PRAETOR:Packet flow graph and dynamic spatio-temporal graph neural network-based flow table overflow attack detection method
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- PRAETOR:Packet flow graph and dynamic spatio-temporal graph neural network-based flow table overflow attack detection method
- Date Crossref
- 01/11/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Guizhou University Guizhou Provincial Characteristic Key Laboratory of Software Engineering and Information Security pays non établi dans la noticeUniversité ou école supérieure
-
Guizhou University of Finance and Economics pays non établi dans la noticeUniversité ou école supérieure
-
College of Computer Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
School of Information pays non établi dans la noticeUniversité ou école supérieure
Guizhou Provincial Characteristic Key Laboratory of Software Engineering and Information Security — Guizhou University, Guizhou University of Finance and Economics et College of Computer Science and Technology, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Network Security and Intrusion DetectionInternet Traffic Analysis and Secure E-votingAnomaly Detection Techniques and Applications