APRENDIZAJE EN PROFUNDIDAD

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.