フェデレーテッドラーニングと分割学習を用いたスマートシティにおけるIoTサイバー攻撃の異常検出

スマートシティのインフラにおけるインターネットオブシングス（IoT）デバイスの急速な普及は、強固なサイバーセキュリティ対策に対する緊急の需要を生み出しました。これらのデバイスは、都市システムの安全性と機能性を脅かすさまざまなサイバー攻撃に対して脆弱です。本研究は、スマートシティにおけるIoTサイバー攻撃によって引き起こされる異常を特定するための革新的なアプローチを提示します。提案された方法は、フェデレーテッドおよび分割学習を活用し、IoTネットワークのセキュリティを向上させつつ、データプライバシーを保護するという二重の課題に対処します。本研究は、スマートシティからの正規のデータセットを使用して広範な実験を実施します。異常を検出するための古典的機械学習アルゴリズムと深層学習モデルの性能を比較するために、モデルの有効性は精度、再現率、F-1スコア、正確性、及びトレーニング/デプロイ時間を用いて評価されます。結果は、フェデレーテッドラーニングと分割学習がデータプライバシーの懸念と競争力のある性能をバランスさせる可能性があることを示しており、IoTサイバー攻撃を検出するための強固なソリューションを提供しています。本研究は、都市環境におけるIoTの展開を保護するための継続的な議論に寄与します。スケーラブルでプライバシーに配慮したサイバーセキュリティ戦略の基盤を築きます。結果は、これらの技術がスマートシティを強化し、IoT時代における適応可能で弾力性のあるサイバーセキュリティ対策の発展を促進する上での重要な役割を強調しています。