ترجمه فارسی مقاله یادگیری فدرال برای شبکه هوشمند: بررسی در مورد برنامه ها و آسیب پذیری های احتمالی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Federated Learning for Smart Grid: A Survey on Applications and Potential Vulnerabilities
عنوان مقاله به فارسی یادگیری فدرال برای شبکه هوشمند: بررسی در مورد برنامه ها و آسیب پذیری های احتمالی
نویسندگان Zikai Zhang, Suman Rath, Jiaohao Xu, Tingsong Xiao
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,یادگیری ماشین , رمزنگاری و امنیت ,
توضیحات Submitted 16 September, 2024; originally announced September 2024. , MSC Class: C.2.4
توضیحات به فارسی ارائه شده 16 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، کلاس MSC: c.2.4
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The Smart Grid (SG) is a critical energy infrastructure that collects real-time electricity usage data to forecast future energy demands using information and communication technologies (ICT). Due to growing concerns about data security and privacy in SGs, federated learning (FL) has emerged as a promising training framework. FL offers a balance between privacy, efficiency, and accuracy in SGs by enabling collaborative model training without sharing private data from IoT devices. In this survey, we thoroughly review recent advancements in designing FL-based SG systems across three stages: generation, transmission and distribution, and consumption. Additionally, we explore potential vulnerabilities that may arise when implementing FL in these stages. Finally, we discuss the gap between state-of-the-art FL research and its practical applications in SGs and propose future research directions. These focus on potential attack and defense strategies for FL-based SG systems and the need to build a robust FL-based SG infrastructure. Unlike traditional surveys that address security issues in centralized machine learning methods for SG systems, this survey specifically examines the applications and security concerns in FL-based SG systems for the first time. Our aim is to inspire further research into applications and improvements in the robustness of FL-based SG systems.

چکیده به فارسی (ترجمه ماشینی)

شبکه هوشمند (SG) یک زیرساخت انرژی مهم است که داده های مصرف برق در زمان واقعی را برای پیش بینی تقاضای انرژی آینده با استفاده از فناوری های اطلاعات و ارتباطات (ICT) جمع آوری می کند.با توجه به نگرانی های روزافزون در مورد امنیت داده ها و حریم خصوصی در SGS ، یادگیری فدرال (FL) به عنوان یک چارچوب آموزشی امیدوارکننده ظاهر شده است.FL با فعال کردن آموزش مدل مشترک بدون به اشتراک گذاشتن داده های خصوصی از دستگاه های IoT ، تعادل بین حریم خصوصی ، کارآیی و صحت در SGS ارائه می دهد.در این نظرسنجی ، ما پیشرفت های اخیر در طراحی سیستم های SG مبتنی بر FL را در سه مرحله بررسی می کنیم: تولید ، انتقال و توزیع و مصرف.علاوه بر این ، ما آسیب پذیری های احتمالی را که ممکن است هنگام اجرای FL در این مراحل ایجاد شود ، بررسی می کنیم.سرانجام ، ما در مورد شکاف بین تحقیقات پیشرفته FL و کاربردهای عملی آن در SGS بحث می کنیم و مسیرهای تحقیق آینده را پیشنهاد می کنیم.اینها بر استراتژی های احتمالی حمله و دفاعی برای سیستم های SG مبتنی بر FL و نیاز به ساخت یک زیرساخت SG مبتنی بر FL متمرکز شده است.بر خلاف نظرسنجی های سنتی که به موضوعات امنیتی در روشهای متمرکز یادگیری ماشین برای سیستم های SG می پردازند ، این بررسی به طور خاص برنامه ها و نگرانی های امنیتی در سیستم های SG مبتنی بر FL را برای اولین بار بررسی می کند.هدف ما الهام بخشیدن به تحقیقات بیشتر در مورد برنامه ها و پیشرفت در استحکام سیستم های SG مبتنی بر FL است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.