Machine Learning for Optical Network Security Management
Paper i proceeding, 2020
We discuss the role of supervised, unsupervised and semi-supervised learning techniques in identification of optical network security breaches. The applicability, performance and challenges related to practical deployment of these techniques are examined.
Författare
Marija Furdek Prekratic
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Carlos Natalino Da Silva
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Conference on Optical Fiber Communication, Technical Digest Series
21622701 (eISSN)
Vol. Part F174-OFC 2020 M4E.4978-194358071-2 (ISBN)
Optical Fiber Communication Conference & Exhibition (OFC)
San Diego, USA,
San Diego, USA,
Skydda optiska kommunikationsnätverk från cyber-säkerhetsattacker
Vetenskapsrådet (VR) (2019-05008), 2020-01-01 -- 2023-12-31.
Jämställdhet för excellens (Genie)
Stiftelsen Chalmers tekniska högskola, 2019-01-01 -- 2028-12-31.
Styrkeområden
Informations- och kommunikationsteknik
Ämneskategorier (SSIF 2025)
Säkerhet, integritet och kryptologi
Ämneskategorier (SSIF 2011)
Kommunikationssystem
Systemvetenskap
Datorsystem
DOI
10.1364/OFC.2020.M4E.4