يادگيري مشاركتي: رويكردي كارآمد براي امنيت در اينترنت اشيا مبتني بر رايانش مه

federated learning: an efficient approach for security in the Internet of Things based on fog computing

در مسير طراحي و پياده سازي سيستم هاي اينترنت اشياء چالش هاي متعددي وجود دارد، دستگاه هاي اينترنت اشيا دائما در حال ايجاد داده هستند و در اغلب موارد تحليل و پردازش داده ها بايد سريع صورت پذيرد. پردازش مه مي تواند نقش بسزايي در افزايش كارايي و اطمينان اينترنت اشياء داشته باشد. در اينترنت اشيا مبتني بر رايانش مه داده ها در لبه ها پردازش شده و سپس به مراكز داده ارسال مي گردد. براي پردازش داده ها در لبه رويكردهاي مبتني بر هوش مصنوعي و يادگيري ماشين پيشنهاد شده است. اما استفاده از هوش مصنوعي و تجزيه و تحليل داده ها در لبه باعث به وجود آمدن نگراني هايي در حوزه امنيت و حريم خصوصي شده است. لذا استفاده از معماري مه و تركيب آن با اينترنت اشيا نيز با چالش هايي مواجه است و پويايي لازم را در مسير تامين امنيت شبكه و حفظ حريم خصوصي كاربران ندارد. بر همين اساس مدل جديدي پيشنهاد شده كه سعي دارد محدوديت هاي امنيتي پردازش در لبه را جبران كند. يادگيري مشاركتي فناوري است كه اخيرا براي اين منظور پيشنهاد شده است. يادگيري مشاركتي يك روش جديد مي باشد با حفظ حريم خصوصي كاربران و تلاش دارد دقت نتايج الگوريتم هاي يادگيري ماشين را افزايش دهد. اين روش، تكنيكي از يادگيري ماشين و هوش مصنوعي است كه يك الگوريتم را در چندين دستگاه لبه غيرمتمركز يا سرورهايي محلي، بدون تبادل داده بين آنها، آموزش مي‌دهد. در اين مقاله كاركرد يادگيري مشاركتي در بهبود حفظ حريم خصوصي كاربران در اينترنت اشيا مورد بررسي قرار مي گيرد.