フェデレーテッドラーニングによる異常検知

機械学習は、分類器やオートエンコーダーを取り入れることで、正常と異常な挙動を識別することにより、異常検知の分野を進展させる手助けをしてきました。さらに、フェデレーテッドラーニングは、クライアントが自分のデータを直接共有することなく、複数のクライアントのデータを使用してグローバルモデルを訓練する方法を提供しました。本論文では、クライアントのサーバー上で悪意のあるネットワーク活動を検知するための新しい異常検知器をフェデレーテッドラーニングを通じて提案します。実験では、フェデレーテッドラーニングフレームワーク内で分類器を持つオートエンコーダーを使用し、ネットワーク活動が良性か悪性かを判断します。FedSamを使用することで、私たちの新しいミンマックススカラーおよびサンプリング技術により、異種のクライアントからグローバルモデルが学習することを可能にするフェデレーテッドラーニングフレームワークを作り、各クライアントがサイバー攻撃に対する侵入検知システムの防御を改善する手段を提供します。