A Deployment-Aware Feasibility Framework for Machine Learning-Based IoT Intrusion Detection Across Edge, Fog, and Cloud Architectures

arXiv cs.CR · 8 oct, 06:00

Un artículo académico que analiza la viabilidad de técnicas de aprendizaje automático para detección de intrusiones en entornos IoT distribuidos. El trabajo propone un marco cuantitativo (Deployment Feasibility Score) que mapea diferentes modelos ML a arquitecturas edge, fog y cloud según demanda computacional, huella de memoria y sensibilidad a latencia.