Apprentissage fédéré profond pour la détection intelligente des intrusions de type DDoS

L'essor rapide du ' fog-edge computing ' a fait apparaître de nouveaux défis en matière de cybersécurité, notamment la menace croissante des attaques par déni de service distribué (DDoS). Les systèmes traditionnels de détection d'intrusion peinent souvent à fournir des solutions précises, évolutives et respectueuses de la vie privée dans des environnements décentralisés. Cet ouvrage présente un cadre d'apprentissage fédéré profond qui permet l'entraînement collaboratif de modèles sans partage de données sensibles, garantissant ainsi une confidentialité renforcée et une détection robuste des menaces. Il explore l'intégration des techniques d'apprentissage profond à l'apprentissage fédéré afin d'identifier efficacement les attaques DDoS sur les réseaux ' fog-edge ' distribués. Le cadre proposé met l'accent sur la détection intelligente des intrusions, l'amélioration de la précision de détection, la réduction de la surcharge de communication et l'apprentissage distribué sécurisé. Cet ouvrage s'adresse aux chercheurs, aux étudiants de troisième cycle, aux professionnels de la cybersécurité et aux praticiens intéressés par l'intelligence artificielle, la sécurité des réseaux, l'apprentissage fédéré et l'informatique ' fog-edge ', offrant des perspectives précieuses sur les solutions de cybersécurité de nouvelle génération basées sur l'IA.

Pagina's: 68, Paperback, Editions Notre Savoir