ترجمه فارسی مقاله یادگیری فدرال در محیط‌های متخاصم: طراحی بستر آزمایش و مقاومت در برابر مسمومیت در امنیت سایبری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Federated Learning in Adversarial Environments: Testbed Design and Poisoning Resilience in Cybersecurity
عنوان مقاله به فارسی یادگیری فدرال در محیط‌های متخاصم: طراحی بستر آزمایش و مقاومت در برابر مسمومیت در امنیت سایبری
نویسندگان Hao Jian Huang, Bekzod Iskandarov, Mizanur Rahman, Hakan T. Otal, M. Abdullah Canbaz
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,Distributed, Parallel, and Cluster Computing,Machine Learning,رمزنگاری و امنیت , توزیع شده , موازی و خوشه ای , یادگیری ماشین ,
توضیحات Submitted 15 September, 2024; originally announced September 2024. , Comments: 7 pages, 4 figures , MSC Class: 68T05; 68M14; 68M15 ACM Class: I.2.11; I.2.6; C.2.4; K.6.5
توضیحات به فارسی ارسال شده در 15 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 7 صفحه ، 4 شکل ، کلاس MSC: 68T05 ؛68M14 ؛کلاس 68M15 ACM: I.2.11 ؛I.2.6 ؛c.2.4 ؛K.6.5
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

This paper presents the design and implementation of a Federated Learning (FL) testbed, focusing on its application in cybersecurity and evaluating its resilience against poisoning attacks. Federated Learning allows multiple clients to collaboratively train a global model while keeping their data decentralized, addressing critical needs for data privacy and security, particularly in sensitive fields like cybersecurity. Our testbed, built using the Flower framework, facilitates experimentation with various FL frameworks, assessing their performance, scalability, and ease of integration. Through a case study on federated intrusion detection systems, we demonstrate the testbed's capabilities in detecting anomalies and securing critical infrastructure without exposing sensitive network data. Comprehensive poisoning tests, targeting both model and data integrity, evaluate the system's robustness under adversarial conditions. Our results show that while federated learning enhances data privacy and distributed learning, it remains vulnerable to poisoning attacks, which must be mitigated to ensure its reliability in real-world applications.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله طراحی و اجرای یک بستر یادگیری فدرال (FL) با تمرکز بر کاربرد آن در امنیت سایبری و ارزیابی مقاومت آن در برابر حملات مسمومیت ارائه شده است.یادگیری فدرال به چندین مشتری اجازه می دهد تا ضمن نگه داشتن داده های خود ، به طور مشترک یک مدل جهانی را آموزش دهند و نیازهای اساسی برای حفظ حریم خصوصی و امنیت داده ها را برطرف کنند ، به ویژه در زمینه های حساس مانند امنیت سایبری.بستر ما ، ساخته شده با استفاده از چارچوب گل ، آزمایش را با چارچوب های مختلف FL تسهیل می کند و عملکرد ، مقیاس پذیری و سهولت ادغام آنها را ارزیابی می کند.از طریق یک مطالعه موردی در مورد سیستم های تشخیص نفوذ فدرال ، ما توانایی های آزمایش را در تشخیص ناهنجاری ها و تأمین زیرساخت های مهم بدون افشای داده های شبکه حساس نشان می دهیم.آزمایش های مسمومیت جامع ، هدف قرار دادن هم مدل و هم یکپارچگی داده ها ، استحکام سیستم را در شرایط متناقض ارزیابی می کند.نتایج ما نشان می دهد که در حالی که یادگیری فدراسیون باعث افزایش حریم خصوصی داده ها و یادگیری توزیع می شود ، در برابر حملات مسمومیت آسیب پذیر است ، که باید برای اطمینان از قابلیت اطمینان آن در برنامه های دنیای واقعی کاهش یابد.

📚 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.