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.
Bitte wählen Sie Ihr Anliegen aus.
Rechnungen
Retourenschein anfordern
Bestellstatus
Storno