Bücher von Gottumukkala Prasanthi

La investigación se centra en el diseño y la implementación de un sistema de seguridad basado en la nube que utiliza técnicas de optimización de aprendizaje profundo y automático. El sistema emplea múltiples parámetros de supervisión en tiempo real y logra una gran precisión, un requisito fundamental en el diseño de la computación en la nube.Los defraudadores a menudo atacan sitios web de comercio electrónico y comercio basados en la nube , por lo que es esencial desarrollar un sistema preciso de detección de fraudes.Introduce mecanismos de aprendizaje profundo como las redes neuronales totalmente convolucionales (FCNN), las redes neuronales convolucionales (CNN) y métodos de aprendizaje automático como la máquina de vectores de soporte (SVM), la lógica difusa y la regresión logística (LR). Los métodos avanzados FCNN-GBML (Aprendizaje Multiclase Binario Global) abordan eficazmente las limitaciones de los enfoques existentes, mejorando la precisión, las tasas de decisión y reduciendo las tasas de falsas alarmas en la detección de fraudes basados en la nube.

Die Forschung konzentriert sich auf den Entwurf und die Implementierung eines Cloud-basierten Sicherheitssystems, das Optimierungsverfahren des tiefen und maschinellen Lernens nutzt. Das System verwendet mehrere Echtzeit-Überwachungsparameter und erreicht eine hohe Präzision, eine wichtige Anforderung bei der Entwicklung von Cloud-Computing.Betrüger haben es oft auf Cloud-basierte E-Commerce- und Handelswebsites abgesehen, weshalb die Entwicklung eines präzisen Betrugserkennungssystems unerlässlich ist. Eswerden Deep-Learning-Mechanismen wie Fully Convolutional Neural Networks (FCNN), Convolutional Neural Networks (CNN) und maschinelle Lernmethoden wie Support Vector Machine (SVM), Fuzzy Logic und Logistic Regression (LR) vorgestellt. Die fortschrittlichen FCNN-GBML-Methoden (Global Binary Multiclass Learning) überwinden die Grenzen bestehender Ansätze, verbessern die Genauigkeit, die Entscheidungsraten und verringern die Fehlalarmraten bei der Erkennung von Cloud-basiertem Betrug.

Issledowanie poswqscheno razrabotke i wnedreniü oblachnoj sistemy bezopasnosti s ispol'zowaniem metodow optimizacii na osnowe glubokogo i mashinnogo obucheniq. Sistema ispol'zuet mnozhestwo parametrow monitoringa w real'nom wremeni i dostigaet wysokoj tochnosti, chto qwlqetsq kriticheskim trebowaniem pri razrabotke oblachnyh wychislenij.Moshenniki chasto atakuüt oblachnye sajty älektronnoj kommercii i torgowli, chto delaet neobhodimym sozdanie tochnoj sistemy obnaruzheniq moshennichestwa.Predstawleny mehanizmy glubokogo obucheniq, takie kak polnoswqznye nejronnye seti (FCNN), konwolücionnye nejronnye seti (CNN), i metody mashinnogo obucheniq, takie kak oporno-wektornaq mashina (SVM), nechetkaq logika i logisticheskaq regressiq (LR). Usowershenstwowannye metody FCNN-GBML (Global Binary Multiclass Learning) äffektiwno ustranqüt nedostatki suschestwuüschih podhodow, powyshaq tochnost', skorost' prinqtiq reshenij i snizhaq kolichestwo lozhnyh trewog pri obnaruzhenii oblachnyh moshennichestw.

A investigação centra-se na conceção e implementação de um sistema de segurança baseado na nuvem que utiliza técnicas de otimização de aprendizagem profunda e automática. O sistema utiliza vários parâmetros de monitorização em tempo real e atinge uma elevada precisão, um requisito fundamental na conceção da computação em nuvem.Os autores de fraudes visam frequentemente sítios Web de comércio eletrónico e comércio baseados na nuvem , o que torna essencial o desenvolvimento de um sistema preciso de deteção de fraudes.Introduz mecanismos de aprendizagem profunda, como as redes neurais totalmente convolucionais (FCNN) e as redes neurais convolucionais (CNN), e métodos de aprendizagem automática como a máquina de vectores de suporte (SVM), a lógica difusa e a regressão logística (LR). Os métodos avançados FCNN-GBML (Aprendizagem Binária Global Multiclasse) resolvem eficazmente as limitações das abordagens existentes, melhorando a precisão, as taxas de decisão e reduzindo as taxas de falsos alarmes na deteção de fraudes baseadas na nuvem.

La recherche se concentre sur la conception et la mise en ¿uvre d'un système de sécurité basé sur l'informatique en nuage qui utilise des techniques d'optimisation de l'apprentissage profond et de l'apprentissage automatique. Le système utilise de multiples paramètres de surveillance en temps réel et atteint une grande précision, une exigence critique dans la conception de l'informatique en nuage.Les fraudeurs ciblent souvent les sites de commerce électronique et d'échange basés sur le cloud, ce qui rend essentiel le développement d'un système précis de détection des fraudes. L'articleprésente des mécanismes d'apprentissage en profondeur tels que les réseaux neuronaux entièrement convolutifs (FCNN), les réseaux neuronaux convolutifs (CNN) et les méthodes d'apprentissage automatique telles que les machines à vecteurs de support (SVM), la logique floue et la régression logistique (LR) .Les méthodes avancées FCNN-GBML (Global Binary Multiclass Learning) répondent efficacement aux limites des approches existantes, en améliorant la précision, les taux de décision et en réduisant les taux de fausses alarmes dans la détection des fraudes basées sur l'informatique en nuage.

Research focuses on designing and implementing a cloud-based security system utilizing deep and machine learning optimization techniques. The system employs multiple real-time monitoring parameters and achieves high precision, a critical requirement in cloud computing design. Fraudsters often target cloud-based e-commerce and trade websites, making it essential to develop an accurate fraud detection system. Introduces deep learning mechanisms such as Fully Convolutional Neural Networks (FCNN), Convolutional Neural Networks (CNN), and machine learning methods like Support Vector Machine (SVM), Fuzzy logic, and Logistic Regression (LR). The advanced FCNN-GBML (Global Binary Multiclass Learning) methods effectively address the limitations of existing approaches, improving accuracy, decision rates, and reducing false alarm rates in the detection of cloud-based frauds.

La ricerca si concentra sulla progettazione e sull'implementazione di un sistema di sicurezza basato sul cloud che utilizza tecniche di ottimizzazione deep e machine learning. Il sistema impiega più parametri di monitoraggio in tempo reale e raggiunge un'elevata precisione, un requisito fondamentale nella progettazione del cloud computing.I truffatori prendono spesso di mira i siti web di e-commerce e commercio basati su cloud , rendendo essenziale lo sviluppo di un sistema di rilevamento delle frodi accurato.Introduce meccanismi di deep learning come le reti neurali completamente convoluzionali (FCNN), le reti neurali convoluzionali (CNN) e metodi di apprendimento automatico come la macchina vettoriale di supporto (SVM), la logica fuzzy e la regressione logistica (LR). I metodi avanzati FCNN-GBML (Global Binary Multiclass Learning) affrontano efficacemente i limiti degli approcci esistenti, migliorando l'accuratezza, i tassi di decisione e riducendo i tassi di falsi allarmi nel rilevamento delle frodi basate sul cloud.