आईओटी नेटवर्क में गोपनीयता-संरक्षित घुसपैठ पहचान के लिए संघीय शिक्षण संरचनाएँ

इंटरनेट ऑफ थिंग्स (IoT) उपकरणों और स्मार्ट बुनियादी ढांचे के तेजी से प्रसार ने नेटवर्क ट्रैफ़िक में अभूतपूर्व वृद्धि कर दी है, जिससे पारंपरिक सुरक्षा सीमाएँ अधिक संवेदनशील हो गई हैं। इंट्रूज़न डिटेक्शन सिस्टम (IDS) एक महत्वपूर्ण अग्रिम रक्षा के रूप में काम करते हैं; हालांकि, पारंपरिक केंद्रीकृत मशीन लर्निंग (ML) मॉडल उच्च-परिमाण डेटा प्रोसेसिंग और जनरल डेटा प्रोटेक्शन रेगुलेशन (GDPR) जैसे कड़े गोपनीयता नियमों के बीच संतुलन बनाने में संघर्ष कर रहे हैं। संघीय शिक्षण (FL) एक महत्वपूर्ण विकेंद्रीकृत मॉडल के रूप में उभरा है, जो एज डिवाइसों और संगठनों को कच्चे डेटा को स्थानीय रखते हुए वैश्विक मॉडल को सहयोगात्मक रूप से प्रशिक्षित करने की अनुमति देता है, जिससे गोपनीयता सुनिश्चित होती है और मॉडल-लोडिंग के लिए उपयोग की जाने वाली बैंडविड्थ कम होती है। यह समीक्षा FL-आधारित IDS के विकास का व्यापक विश्लेषण प्रदान करती है, विशेष रूप से इसके औद्योगिक नियंत्रण प्रणालियों (ICS) और स्मार्ट निर्मिती पर्यावरणों में कार्यान्वयन पर ध्यान केंद्रित करती है। हम इन संरचनाओं की प्रमुख तकनीकी चुनौतियों की व्यवस्थित जाँच करते हैं, विशेषकर सांख्यिकीय विषमता (non-IID डेटा), संसाधन-सीमित नेटवर्कों में संचार अधिभार, और विषाक्तता तथा पेचिश जैसे प्रतिद्वंद्वी मशीन लर्निंग हमलों के प्रति संवेदनशीलता। इसके अतिरिक्त, हम सूचना-केंद्रित नेटवर्किंग (ICN) के साथ विशिष्ट एकीकरणों और दीर्घकालिक लघु-कालिक स्मृति (LSTM) जैसे गहन शिक्षण संरचनाओं की पहचान सटीकता बढ़ाने में प्रभावशीलता पर चर्चा करते हैं। पेपर भविष्य के अनुसंधान मार्गों को भी इंगित करता है, जिसमें बेहतर मॉडल व्याख्यात्मकता और अनुकूलित प्रतिद्वंद्वी खतरों के खिलाफ मजबूती की आवश्यकता शामिल है।