44,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
22 °P sammeln
  • Broschiertes Buch

La rapida evoluzione dell'Internet of Vehicles (IoV) introduce progressi significativi nei sistemi di trasporto intelligenti, ma presenta anche sfide critiche in termini di sicurezza dei dati, privacy e processo decisionale in tempo reale. Questo studio propone un framework di sicurezza per l'IoV basato sull'apprendimento federato (FL), che integra la media federata (FedAvg) e la privacy differenziale (DP) per migliorare la cybersicurezza e preservare la privacy dei dati. Il modello proposto sfrutta tecniche di apprendimento automatico decentralizzato per mitigare le minacce alla sicurezza,…mehr

Produktbeschreibung
La rapida evoluzione dell'Internet of Vehicles (IoV) introduce progressi significativi nei sistemi di trasporto intelligenti, ma presenta anche sfide critiche in termini di sicurezza dei dati, privacy e processo decisionale in tempo reale. Questo studio propone un framework di sicurezza per l'IoV basato sull'apprendimento federato (FL), che integra la media federata (FedAvg) e la privacy differenziale (DP) per migliorare la cybersicurezza e preservare la privacy dei dati. Il modello proposto sfrutta tecniche di apprendimento automatico decentralizzato per mitigare le minacce alla sicurezza, ridurre la dipendenza dalla trasmissione di dati grezzi e impedire l'accesso non autorizzato ai dati sensibili di veicoli e utenti. Attraverso un'ampia analisi empirica che utilizza set di dati reali sulla cybersicurezza, questa ricerca valuta le prestazioni, la scalabilità e l'efficienza dei meccanismi di sicurezza basati su FL rispetto agli approcci convenzionali.
Autorenporträt
Prof. Inès Benjaafar recieved the B. SC, M. Sc, Ph. D and Habilitation degrees in BusinessInformatics from the University of Tunis, ISG-Tunis, Tunisia, In 1998, 2000, 2006 and 2019,respectively.She is currently associate Professor with the University of Manouba, ESC-Tunis, Tunisia.