プライバシー保護とリアルタイム脅威検出を実現するIoT向け連合学習サイバーセキュリティフレームワーク

• IoTの急速な普及はサイバーセキュリティの脆弱性を露呈しています。
• 本研究では、連合学習を活用したIoT向けのサイバーセキュリティフレームワークを提案します。
• このフレームワークは、98%以上の脅威検出精度を実現し、エネルギー消費を20%削減します。

IoTの急成長は多くの産業に変革をもたらしましたが、同時にサイバーセキュリティの脆弱性も浮き彫りにしています。本論文では、プライバシーを保護しつつリアルタイムで脅威を検出するための連合学習駆動型のフレームワークを提案します。実験結果では、DDoS攻撃などの脅威を98%以上の精度で検出し、エネルギー消費と通信オーバーヘッドを大幅に削減しています。IoTセキュリティに関心のある研究者や実務者にとって、非常に興味深い内容です。

IoTセキュリティに興味がある研究者や技術者に向いています。