論文の概要: A Novel Federated Learning-based Intrusion Detection System for Flying
Ad Hoc Networks
- arxiv url: http://arxiv.org/abs/2312.04135v1
- Date: Thu, 7 Dec 2023 08:50:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 15:42:49.461412
- Title: A Novel Federated Learning-based Intrusion Detection System for Flying
Ad Hoc Networks
- Title(参考訳): 空飛ぶアドホックネットワークのための新しい連合学習型侵入検知システム
- Authors: Ozlem Ceviz (1), Pinar Sadioglu (1), Sevil Sen (1) and Vassilios G.
Vassilakis (2) ((1) WISE Lab., Deparment of Computer Engineering, Hacettepe
University, Ankara, Turkey (2) Department of Computer Science, University of
York, York, United Kingdom)
- Abstract要約: 空飛ぶアドホックネットワーク(FANET)における無人航空機(UAV)は、これらのネットワークの動的で分散的な性質のためにセキュリティ上の課題に直面している。
本稿では,FANETのセキュリティ向上を目的とした新しいアプローチであるFL-IDS(Federated Learning-based Intrusion Detection System)を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicles (UAVs) in flying ad-hoc networks (FANETs) face
security challenges due to the dynamic and distributed nature of these
networks. This paper presents the Federated Learning-based Intrusion Detection
System (FL-IDS), an innovative approach designed to improve FANET security.
FL-IDS leverages federated learning to address privacy concerns of centralized
intrusion detection systems. FL-IDS operates in a decentralized manner,
enabling UAVs to collaboratively train a global intrusion detection model
without sharing raw data. Local models are assigned to each UAV, using
client-specific data, and only updated model weights are shared with a central
server. This preserves privacy while utilizing collective intelligence for
effective intrusion detection. Experimental results show FL-IDS's competitive
performance with Central IDS (C-IDS) while mitigating privacy concerns. The
Bias Towards Specific Clients (BTSC) method further enhances FL-IDS
performance, surpassing C-IDS even at lower attacker ratios. A comparative
analysis with traditional intrusion detection methods, including Local IDS
(L-IDS), provides insights into FL-IDS's strengths. This study significantly
contributes to FANET security by introducing a privacy-aware, decentralized
intrusion detection approach tailored to the unique challenges of UAV networks.
- Abstract(参考訳): 空飛ぶアドホックネットワーク(FANET)における無人航空機(UAV)は、これらのネットワークの動的で分散的な性質のためにセキュリティ上の課題に直面している。
本稿では,フェネセキュリティを改善するための革新的手法であるfl-ids(federated learning-based intrusion detection system)を提案する。
FL-IDSは統合学習を活用し、集中侵入検知システムのプライバシー問題に対処する。
FL-IDSは分散的に動作し、UAVは生データを共有せずにグローバルな侵入検知モデルを協調的に訓練することができる。
ローカルモデルはクライアント固有のデータを使用して各uavに割り当てられ、更新されたモデル重みだけが中央サーバと共有される。
これは、効果的な侵入検知のために集団知性を活用しながら、プライバシを保存する。
FL-IDSと中央IDS(C-IDS)の競合性能は,プライバシの懸念を和らげている。
Bias Towards Specific Clients (BTSC) 法は、より低い攻撃率でもC-IDSを超えるFL-IDS性能をさらに向上させる。
ローカルIDS(L-IDS)を含む従来の侵入検出手法との比較分析により、FL-IDSの強度に関する洞察が得られる。
本研究は,uavネットワークのユニークな課題に合わせて,プライバシを意識した分散型侵入検出アプローチを導入することで,fanetセキュリティに大きく寄与する。
関連論文リスト
- Adversarial Client Detection via Non-parametric Subspace Monitoring in
the Internet of Federated Things [3.280202415151067]
Internet of Federated Things (IoFT)は、フェデレート学習をバックボーンとする相互接続システムのネットワークである。
本稿では、敵攻撃問題に対処する効果的な非パラメトリックアプローチFedRRを提案する。
提案手法は,敵のクライアントを正確に検出し,攻撃が起こらないシナリオ下での誤報率を制御する。
論文 参考訳(メタデータ) (2023-10-02T18:25:02Z) - Federated Deep Learning for Intrusion Detection in IoT Networks [1.3097853961043058]
AIベースの侵入検知システム(IDS)を分散IoTシステムに実装する一般的なアプローチは、中央集権的な方法である。
このアプローチはデータのプライバシを侵害し、IDSのスケーラビリティを禁止します。
我々は、実世界の実験代表を設計し、FLベースのIDSの性能を評価する。
論文 参考訳(メタデータ) (2023-06-05T09:08:24Z) - GowFed -- A novel Federated Network Intrusion Detection System [0.15469452301122172]
本研究は,Gower Dissimilarity行列とFederated Averagingを併用したネットワーク脅威検出システムであるGowFedを紹介する。
GowFedのアプローチは,(1)バニラバージョン,(2)アテンション機構を備えたバージョンなど,最先端の知識に基づいて開発されている。
全体として、GowFedは、産業レベルのネットワークにおけるネットワーク脅威を検出するためのフェデレートラーニングとガウワーの相違行列の併用に向けた最初の一歩となる。
論文 参考訳(メタデータ) (2022-10-28T23:53:37Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳(メタデータ) (2022-06-03T23:55:45Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳(メタデータ) (2022-01-03T16:49:33Z) - Attribute Inference Attack of Speech Emotion Recognition in Federated
Learning Settings [56.93025161787725]
Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。
本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。
FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
論文 参考訳(メタデータ) (2021-12-26T16:50:42Z) - Federated Learning for Intrusion Detection System: Concepts, Challenges
and Future Directions [0.20236506875465865]
侵入検知システムは、スマートデバイスのセキュリティとプライバシを確保する上で重要な役割を果たす。
本稿では,侵入検知システムにおけるFLの使用について,広範囲かつ徹底的に検討することを目的とする。
論文 参考訳(メタデータ) (2021-06-16T13:13:04Z) - Towards a Privacy-preserving Deep Learning-based Network Intrusion
Detection in Data Distribution Services [0.0]
Data Distribution Service(DDS)は、ICS/IoTインフラストラクチャとロボティクスにおけるコミュニケーションに向けた革新的なアプローチである。
従来の侵入検知システム(IDS)はパブリッシュ/サブスクライブ方式では異常を検知しない。
本稿では,Deep Learningのシミュレーションと応用に関する実験的検討を行った。
論文 参考訳(メタデータ) (2021-06-12T12:53:38Z) - TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。
我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。
TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
論文 参考訳(メタデータ) (2021-03-10T19:03:38Z) - Privacy-Preserving Federated Learning for UAV-Enabled Networks:
Learning-Based Joint Scheduling and Resource Management [45.15174235000158]
無人航空機(UAV)は、データ収集、人工知能(AI)モデルトレーニング、無線通信をサポートする飛行基地局(BS)として機能する。
モデルトレーニングのためにUAVサーバにデバイスの生データを送信するのは現実的ではない。
本稿では,マルチUAV対応ネットワークのための非同期フェデレーション学習フレームワークを開発する。
論文 参考訳(メタデータ) (2020-11-28T18:58:34Z) - Measurement-driven Security Analysis of Imperceptible Impersonation
Attacks [54.727945432381716]
本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。
皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。
また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
論文 参考訳(メタデータ) (2020-08-26T19:27:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。