Federált tanulás-vezérelt hálózatforgalmi anomáliák észlelése
A mesterséges intelligencián alapuló hálózati anomália detekció már hosszabb ideje jelen van, de még mindig sok kihívás van a területen. Ez a kutatás ezek közül kínál néhányra megoldást. A federált tanulás lehetővé teszi, hogy több kliens is tanítást végezzen, illetve, hogy az így egyre jobban teljesítő modellt használják. Miközben a kliens eszközökön fut az anomáliadetekció az adataik lokálisan tárolásra kerülnek. Miután elég adat összegyűlt megkezdik a tanítást, és feltöltik az új súlyokat, amelyek átlagolva lesznek más kliensek feltöltött súlyaival. Minden feltöltés után az átlagolt súlyok validálásra kerülnek a szerveren egy teszt adathalmazon, hogy a modell romlását elkerüljük. Ez a kutatás nagy hangsúlyt fektet az adatvédelemre is. A helyi tanítás, és federált átlagolás segítségével megoldható, hogy a felhasználó adatai teljes mértékben biztonságban legyenek.
szerző
-
Simkó Máté
Mérnök informatikus szak, alapképzés
alapképzés (BA/BSc)
konzulens
-
Dr. Pekár Adrián
tudományos főmunkatárs, Hálózati Rendszerek és Szolgáltatások Tanszék
