プライバシーデータ保護のための堅牢なアプローチ：生成的対抗模倣学習を使用したIoTセキュリティ保証

データセキュリティの重要性が高まる中、プライバシー保護は戦略的な位置に徐々に上昇しており、特にIoTデータのプライバシー保護が重要です。データセキュリティへの関心は国家戦略となっています。プライバシーデータの潜在的リスクを発見することは非常に重要です。例えば、データプライバシー漏洩のリスクやデータセキュリティの脆弱性などです。本稿では、産業用モノのインターネット（IIoT）シナリオにおけるプライバシーデータ保護メカニズムから出発し、プライバシー保護に関する大量の専門データを使用してプライバシー保護エージェントを訓練することに基づく生成的対抗模倣学習（GAIL）に基づく方法を提案し、IIoTにおけるプライバシーデータのセキュリティリスクを発見します。最後に、提案した方法は関連するシミュレーション実験によって検証され、結果は提案した方法がエージェントの最大の報酬を得るための広い一般化可能性と信頼性を持ち、したがってデータセキュリティ漏洩のリスクを減少させることを示しています。