بررسي روش‌هاي تركيبي يادگيري فدرال و يادگيري عميق در امنيت اينترنت اشيا

اينترنت اشيا يكي از پركاربردترين فناوري‌هاي امروزي است و اغلب به عنوان يك شبكه متصل از اجزاي ناهمگن توصيف مي‌شود كه سيستم‌ها و سرويس‌هاي هوشمند را قادر مي‌سازد كه داده‌ها را شناسايي، ضبط، توزيع و تجزيه و تحليل ‌كنند. اكوسيستم اينترنت اشيا به سيستم‌هاي تشخيص نفوذ، براي كاهش حملات سايبري و بهره‌برداري از آسيب‌پذيري‌هاي امنيتي نياز دارد. در اين مقاله به بررسي خلاصه اي از روش‌هاي پيشرفته تشخيص نفوذ براي امنيت اينترنت اشيا اعم از الگوريتم هايي بر پايه يادگيري عميق، يادگيري فدرال و يادگيري هاي توزيع شده مي‌پردازد و نشان مي دهد كه مي توان حريم خصوصي داده ها را در حين به اشتراك گذاشتن اطلاعات با ساير سيستم ها حفظ نمود و دقت و زمان محاسباتي را بهبود بخشيد. همچنين زمينه‌هاي بالقوه اي هم براي تحقيقات آينده با توجه به چالشهاي مطرح شده فراهم شده است.