Tytuł dzieła
Adversarial machine learning in 6G radio access networks: threats and defense strategies
Autorzy
[ 1 ] Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ S ] student
Wariant tytułu
PL Adwersywne uczenie maszynowe w radiowych sieciach 6G: zagrożenia i strategie
Identyfikator dzieła
r3282_2022
Słowa kluczowe
EN
- Machine learning
- Adversarial Machine Learning
- Cybersecurity
Data
21.09.2022
Język
angielski
Liczba stron lub objętość dzieła
17
Typ dzieła
raport z badań
System tworzony przez Politechnikę Poznańską
oraz Poznańskie Centrum Superkomputerowo-Sieciowe
Zaloguj się przez eKonto, aby dodać do SIN