 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Jamshidi, S., Wazed Nafi, K., Nikanjam, A., & Khomh, F. (2025). Evaluating machine learning-driven intrusion detection systems in IoT: Performance and energy consumption. Computers & Industrial Engineering, 204, 111103 (17 pages). Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., & Khomh, F. (2025). Understanding the impact of IoT security patterns on CPU usage and energy consumption: a dynamic approach for selecting patterns with deep reinforcement learning. International Journal of Information Security, 24(2), 40 pages. Lien externe
Jamshidi, S., Amirnia, A., Nikanjam, A., Wazed Nafi, K., Khomh, F., & Keivanpour, S. (2025). Self-adaptive cyber defense for sustainable IoT: A DRL-based IDS optimizing security and energy efficiency. Journal of Network and Computer Applications, 104176. Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., Khomh, F., & Rasta, R. (2025). Application of deep reinforcement learning for intrusion detection in Internet of Things: A systematic review. Internet of Things, 31, 101531 (29 pages). Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., & Khomh, F. (août 2025). Deep Reinforcement Learning-Based Intrusion Detection System: Defending Edge Gateways Against Mirai and Gafgyt [Communication écrite]. 12th International Conference on Future Internet of Things and Cloud (FiCloud 2025), Istanbul, Turkiye. Lien externe
Jamshidi, S., Nikanjam, A., Wazed Nafi, K., & Khomh, F. (juillet 2025). A Dynamic Security Pattern Selection Framework Using Deep Reinforcement Learning [Communication écrite]. International Conference on Software Services Engineering (SSE 2025), Helsinki, Finland. Lien externe
Jamshidi, S., Amirnia, A., Nikanjam, A., & Khomh, F. (avril 2024). Enhancing Security and Energy Efficiency of Cyber-Physical Systems using Deep Reinforcement Learning [Communication écrite]. 15th International Conference on Ambient Systems, Networks and Technologies Networks (ANT 2024) / The 7th International Conference on Emerging Data and Industry 4.0 (EDI40 2024), Hasselt, Belgium. Publié dans Procedia Computer Science, 238. Lien externe
Jamshidi, S. (2025). Deep Reinforcement Learning for Intrusion Detection in IoT Systems: Enhancing Security and Energy Efficiency [Thèse de doctorat, Polytechnique Montréal]. Disponible
Jamshidi, S., Nikanjam, A., Hamdaqa, M. A., & Khomh, F. (2023). Attack Detection by Using Deep Learning for Cyber-Physical System. Dans Artificial Intelligence for Cyber-Physical Systems Hardening (Vol. 2, p. 155-179). Lien externe
