UNA NUEVA PERSPECTIVA

LATIDIA

Preparando tu experiencia…

Tu lugar en este universo.

Con tu autorización. Las coordenadas se muestran sólo en esta página y no se guardan.

CONECTANDO FUENTES
← Actualidad

LATIDIA · Ciberseguridad

ST-GAT: Un marco de atención de grafos espaciotemporales sin fugas para una detección robusta de intrusiones en la red

arXiv:2611.19109v1 Tipo de anuncio: nuevo Resumen: Los sistemas de detección de intrusiones son una defensa fundamental en las redes modernas. Los modelos de aprendizaje profundo arrojan buenos resultados en la detección de anomalías, pero las evaluaciones con puntos de referencia estándar...

WhatsApp ↗Telegram ↗
Ilustración editorial relacionada con ST-GAT: Un marco de atención de grafos espaciotemporales sin fugas para una detección robusta de intrusiones en la red
Ilustración conceptual de LATIDIA.

La noticia

arXiv:2611.19109v1 Announce Type: new Abstract: Intrusion detection systems are a central defence in modern networks. Deep learning models report strong anomaly-detection results, but evaluations on standard benchmarks such as CSE-CIC-IDS-2018 are often inflated by two methodological problems: temporal leakage from overlapping sliding windows, and contamination from preprocessing fitted before the train/test split. Per-flow classifiers also ignore the spatio-temporal dependencies across sequences of network flows. We propose a Spatio-Temporal Graph Attention Network (ST-GAT) that represents traffic as a sequence of graph snapshots. It builds k-Nearest Neighbour (k-NN) edges within each window, applies multi-head Graph Attention Network (GAT) layers for spatial aggregation, and uses a Bidirectional Long Short-Term Memory (BiLSTM) network with

← Volver a los modelos

Cargando ficha del modelo…

LATIDIA / lectura con contexto