Unified Anomaly Detection in IoT and Cyber-Physical Networks Using Evo-Transformer-LSTM: Validation on Four CIC Benchmarks

Pardis Sadatian Moghaddam; Mahyar Mahmoudi; Nuria Serrano; F. Hernando-Galego; Diego Martín

doi:10.20944/preprints202512.0763.v1

Ficha de publicación · 2025

Unified Anomaly Detection in IoT and Cyber-Physical Networks Using Evo-Transformer-LSTM: Validation on Four CIC Benchmarks

Autores: Pardis Sadatian Moghaddam · Mahyar Mahmoudi · Nuria Serrano · F. Hernando-Galego · Diego Martín
Año: 2025
Editorial: MDPI
Revista o publicación: Preprints, 2025
Citas en Google Scholar: 1

Resumen de investigación

Evo-Transformer-LSTM combina atención global, dependencias temporales locales y ajuste evolutivo de hiperparámetros para detectar anomalías en sistemas IoT y ciberfísicos. La validación abarca cuatro bancos CIC con tráfico convencional, IoT y vehicular.

Descripción original preparada para esta web; consulte la publicación para el abstract oficial.

DOI 10.20944/preprints202512.0763.v1 ↗ · Versión de acceso abierto ↗ · Ver registro en Google Scholar ↗