फेडरेटेड लर्निंग के माध्यम से IoT उपकरणों की सुरक्षा को मजबूत करना: एक संपूर्ण अध्ययन

IoT (इंटरनेट ऑफ थिंग्स) उपकरणों को अधिक सुरक्षित और विश्वसनीय बनाने के लिए एक कार्यात्मक सुरक्षा ढांचे की आवश्यकता है, जो प्रतिकूल घुसपैठ से भी सुरक्षा कर सके। फेडरेटेड लर्निंग, जिसकी विकेंद्रित संरचना है, संवेदनशील डेटा को DoS (सेवा का अस्वीकृति) हमले, उपकरण में छेड़छाड़, सेंसर-डेटा हेरफेर जैसे व्यापक IoT-आधारित हमलों से बचाने के लिए शोध प्रैक्टिशनर्स द्वारा एक आदर्श विकल्प के रूप में उभरी है। यह पत्र IoT (इंटरनेट ऑफ थिंग्स) उपकरणों से संबंधित सुरक्षा चिंताओं को संबोधित करने में फेडरेटेड लर्निंग के महत्व के बारे में चर्चा करता है और यह कैसे उन मुद्दों को फेडरेटेड लर्निंग के उपयोग से कम किया जा सकता है, इसकी तुलनात्मक विश्लेषण के माध्यम से चर्चा की गई है। इस तुलनात्मक विश्लेषण को करने के लिए, हमने पिछले पांच वर्षों (2018-2022) में FL आधारित IoT एप्लिकेशन में प्रकाशित कार्य की जांच की। हमने कुछ समावेशन/बहिष्कार मानदंडों को परिभाषित किया और उसी के आधार पर इच्छित पेपर का चयन किया और FL दृष्टिकोण का उपयोग करके IoT आधारित अनुप्रयोगों के लिए एक व्यापक समाधान प्रदान किया। फेडरेटेड लर्निंग IoT वातावरण में सुरक्षा को बढ़ाने के लिए एक आशावादी दृष्टिकोण प्रदान करता है, सहयोगात्मक मॉडल प्रशिक्षण को सक्षम बनाते हुए जानकारी की गोपनीयता को बनाए रखते हुए। इस पत्र में एक ढांचे का विवरण दिया गया है जिसका नाम फेडरेटेड एआई टेक्नोलॉजी एनेबलर (FATE) है, जो IoT उपकरणों की सुरक्षा और गोपनीयता के उपायों को सुरक्षित रखने के लिए अनुशंसित ढांचों में से एक है.