یادگیری فدرالی حافظ حریم خصوصی برای شناسایی تهدیدات پیشرفته مانا در سامانه اینترنت پهپادها

اینترنت پهپادها، یک شبکه توزیع شده و غیر متمرکز است که دسترسی پهپادها را به حریم هوایی کنترل شده مرتبط می کند. اتصال پهپادها در این شبکه ها از طریق اینترنت اشیا است. از این رو، این شبکه ها در برابر تمام تهدیدات امنیتی و حریم خصوصی که بر شبکه های اینترنت اشیا اثر می گذارد آسیب پذیر هستند. علاوه بر این، باتوجه به آن که کاربرد این شبکه ها در بسیاری از موارد دارای حساسیت بالایی است، تهدیدات امنیتی بالقوه بیشتری را شامل می شوند. اجزا این شبکه ها با کمک یکدیگر سعی در شناخت تهدیدات پیشرفته و مانا دارند. یکی از روش ها برای شناسایی این تهدیدات، یادگیری ماشین توزیع شده می باشد. در این روش، داده ها برای یک سرور مرکزی ارسال می شود و یادگیری در آن جا انجام می گیرد. ارسال داده ها یا تهدیدات برای سرور مرکزی، حریم خصوصی اجزای شبکه را نقض می نماید. در این صورت، یادگیری فدرالی به شبکه های توزیع شده و غیر متمرکز کمک می کند تا بجای ارسال داده های محلی و سری خود، ماشین یادگیرنده را به صورت محلی آموزش دهند و پارامترهای مدل را با یکدیگر به اشتراک گذارند. از آن جا که پارامترهای مدل های به اشتراک گذاشته نیز ممکن است حاوی اطلاعاتی از تهدیدات زیرشبکه ها باشند، ما در این مقاله یک پروتکل امن و حافظ حریم خصوصی مبتنی بر رمزنگاری همریخت و برای مدل یادگیری فدرالی جهت تشخیص و شناسایی تهدیدات پیشرفته و مانا در شبکه اینترنت پهپادها پیشنهاد می دهیم.

Keywords:

اینترنت پهپادها , یادگیری فدرالی , حریم خصوصی , رمزنگاری همریخت , پارادایم شبیه سازی ایده آل- واقعی