Aprendizagem federada para a Internet dos veículos

A rápida evolução da Internet dos Veículos (IoV) introduz avanços significativos nos sistemas de transporte inteligentes, mas também apresenta desafios críticos na segurança dos dados, na privacidade e na tomada de decisões em tempo real. Este estudo propõe uma estrutura de segurança baseada em Federated Learning (FL) para IoV, integrando Federated Averaging (FedAvg) e Differential Privacy (DP) para melhorar a segurança cibernética, preservando a privacidade dos dados. O modelo proposto utiliza técnicas descentralizadas de aprendizagem automática para mitigar as ameaças à segurança, reduzir a dependência da transmissão de dados brutos e impedir o acesso não autorizado a dados sensíveis de veículos e utilizadores. Através de uma extensa análise empírica usando conjuntos de dados de cibersegurança do mundo real, esta pesquisa avalia o desempenho, a escalabilidade e a eficiência dos mecanismos de segurança baseados em FL em comparação com as abordagens convencionais.