Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Quantifying the need for supervised machine learning in conducting liveforensic analysis of emergent configurations (ECO) in IoT environments
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).ORCID-id: 0000-0003-4071-4596
Edith Cowan University Australia.
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).
Visa övriga samt affilieringar
2020 (Engelska)Ingår i: Forensic Science International: Reports, ISSN 2665-9107, Vol. 2, artikel-id 100122Artikel i tidskrift, Editorial material (Övrigt vetenskapligt) Published
Abstract [en]

Machine learning has been shown as a promising approach to mine larger datasets, such as those that comprise datafrom a broad range of Internet of Things devices, across complex environment(s) to solve different problems. Thispaper surveys existing literature on the potential of using supervised classical machine learning techniques, such asK-Nearest Neigbour, Support Vector Machines, Naive Bayes and Random Forest algorithms, in performing livedigital forensics for different IoT configurations. There are also a number of challenges associated with the use ofmachine learning techniques, as discussed in this paper.

Ort, förlag, år, upplaga, sidor
Elsevier, 2020. Vol. 2, artikel-id 100122
Nyckelord [en]
Supervised machine, Learning, Live forensics, Emergent configurations, IoT
Nationell ämneskategori
Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:mau:diva-37145DOI: 10.1016/j.fsir.2020.100122Scopus ID: 2-s2.0-85099007368OAI: oai:DiVA.org:mau-37145DiVA, id: diva2:1506992
Tillgänglig från: 2020-12-06 Skapad: 2020-12-06 Senast uppdaterad: 2024-02-05Bibliografiskt granskad

Open Access i DiVA

fulltext(945 kB)128 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 945 kBChecksumma SHA-512
64f4c962f87dc27536dfa50f37518adcd4a828b62899589095ef0dcbe9dd6ead14bb06defab614e006853e51f4d11bc7d88082dad4e572baeb3be074e59dc48d
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopusErratum

Person

Kebande, Victor R.Alawadi, Sadi

Sök vidare i DiVA

Av författaren/redaktören
Kebande, Victor R.Alawadi, Sadi
Av organisationen
Institutionen för datavetenskap och medieteknik (DVMT)Internet of Things and People (IOTAP)
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 128 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 95 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf