Functional Prototype for Intrusion Detection System Oriented to Intelligent IoT Models

Aveleira‐Mata, José; Aláiz‐Moretón, Héctor

doi:10.1007/978-3-030-24097-4_22

Cited by 2 publications

(1 citation statement)

References 20 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The approach of [34] utilises ensemble learning as well as edge computing for security in IoT applications in real time, demonstrating the low computational footprint of gradient boosting algorithms. Moreover, for some applications which require an increased level of privacy and security, federated learning could also be suggested [35].…”

Section: Literature Review Of Art Ai and Its Applicability To Home-based Rehabilitation Systemsmentioning

confidence: 99%

Individualised Responsible Artificial Intelligence for Home-Based Rehabilitation

Vourganas

Stanković

2020

Sensors

View full text Add to dashboard Cite

Socioeconomic reasons post-COVID-19 demand unsupervised home-based rehabilitation and, specifically, artificial ambient intelligence with individualisation to support engagement and motivation. Artificial intelligence must also comply with accountability, responsibility, and transparency (ART) requirements for wider acceptability. This paper presents such a patient-centric individualised home-based rehabilitation support system. To this end, the Timed Up and Go (TUG) and Five Time Sit To Stand (FTSTS) tests evaluate daily living activity performance in the presence or development of comorbidities. We present a method for generating synthetic datasets complementing experimental observations and mitigating bias. We present an incremental hybrid machine learning algorithm combining ensemble learning and hybrid stacking using extreme gradient boosted decision trees and k-nearest neighbours to meet individualisation, interpretability, and ART design requirements while maintaining low computation footprint. The model reaches up to 100% accuracy for both FTSTS and TUG in predicting associated patient medical condition, and 100% or 83.13%, respectively, in predicting area of difficulty in the segments of the test. Our results show an improvement of 5% and 15% for FTSTS and TUG tests, respectively, over previous approaches that use intrusive means of monitoring such as cameras.

show abstract

Section: Literature Review Of Art Ai and Its Applicability To Home-based Rehabilitation Systemsmentioning

confidence: 99%

Individualised Responsible Artificial Intelligence for Home-Based Rehabilitation

Vourganas

Stanković

2020

Sensors

View full text Add to dashboard Cite

show abstract

MQTT Tabanli Iot Si̇stemi̇ne Yapilan Saldirilarin Maki̇ne Öğreni̇mi̇ Kullanilarak Tespi̇ti̇

KAHYA

YOLAÇAN

2022

Eskişehir Osmangazi Üniversitesi Mühendislik Ve Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Günümüzde cihazların neredeyse tümü internete bağlanma potansiyeli taşımaktadır. Bu nedenle IoT cihazların kullanımı gün geçtikçe artmaktadır. İnternete bağlı cihazların büyük bir kısmı siber saldırılara karşı savunmasız olmaktadır. Çok sayıda cihazın bağlı olduğu ağlarda saldırılar, ağ ve cihazların güvenliği için kritik bir konudur. Yüksek başarı oranları sayesinde makine öğrenmesi yaklaşımları, IoT güvenliğini etkileyen saldırıların tespit edilmesinde ön plana çıktığı görülmektedir. Bu çalışmada, IoT platformunda en sık kullanılan protokollerden biri olan MQTT protokolüne gerçekleşen saldırıların tespit edilmesi hedeflenmiştir. Bu amaçla, öncelikle literatürdeki çalışmalar incelenerek, saldırı tipleri belirlenmiş ve gerekli test ortamı oluşturulmuştur. Ardından MQTT protokolünü kullanan ağa, siber saldırılar uygulanarak makine öğrenimi algoritmaları ile saldırı tespitinde performansları test edilerek değerlendirilmiştir. Sunulan çalışmada, gerçekleştirilen veri kümesi iyileştirmesinin MQTT saldırılarının tespitinde başarı oranının artmasına katkı sağladığı görülmüştür.

show abstract

Functional Prototype for Intrusion Detection System Oriented to Intelligent IoT Models

Cited by 2 publications

References 20 publications

Individualised Responsible Artificial Intelligence for Home-Based Rehabilitation

Individualised Responsible Artificial Intelligence for Home-Based Rehabilitation

MQTT Tabanli Iot Si̇stemi̇ne Yapilan Saldirilarin Maki̇ne Öğreni̇mi̇ Kullanilarak Tespi̇ti̇

Contact Info

Product

Resources

About