Key points are not available for this paper at this time.
ABSTRACT 사물인터넷(IoT) 장치의 증가하는 채택은 이러한 네트워크의 보안에 대한 우려를 증가시켰습니다. 이 논문은 연합 학습(FL)을 사용하여 IoT 네트워크의 개인 정보 보호를 보장하는 적극적인 침입 인식 방법인 FL‐IDPP를 제안합니다. 제안된 접근법은 이상 감지와 잠재적인 침입 식별을 위해 양방향 순환 신경망(RNN) 모델을 사용합니다. 제안된 접근법은 IoT 장치에서 데이터를 로컬로 저장하고 FL을 위한 중앙 서버와 학습된 모델 가중치만 공유하여 데이터 개인 정보 보호와 네트워크의 효율성을 보장합니다. 여러 출처의 업데이트를 결합하기 위한 투표 집합 프로세스를 통합하여 글로벌 머신러닝(ML) 모델의 높은 정확도를 달성합니다. 실험 결과는 향상된 정확성과 데이터 개인 정보 보호로 IoT 네트워크에서 잠재적 침입을 인식하는 제안된 접근법의 효과성을 강력하게 지지합니다.
Mazid et al. (Sun,)은 이 질문을 연구했습니다.