سیستم تشخیص گره‌های بدرفتار با استفاده از یادگیری فدرال در شبکه‌های بین خودرویی

با افزایش اتصال خودروها به یکدیگر و زیرساخت‌های شهری، آسیب‌پذیری آن‌ها نسبت به حملات سایبری به طرز چشمگیری افزایش یافته است. این آسیب‌پذیری نه تنها می‌تواند منجر به اختلال در ارسال داده‌ها و ارتباطات بین خودروها و زیرساخت‌ها شود، بلکه خطر تصادفات و حوادث ناگوار را نیز به‌طور قابل توجهی افزایش می‌دهد. در این راستا، ضرورت توسعه روش‌های نوین و موثر برای حفاظت از خودروها در برابر تهدیدات سایبری بیش از پیش احساس می‌شود. در این مقاله، یک روش جدید مبتنی بر یادگیری ماشین برای تشخیص بدرفتاری خودروها در شبکه‌های بین خودرویی ارائه می‌شود. روش پیشنهادی از یادگیری فدرال و آموزش محلی خودروها بهره می‌برد تا توانایی آن‌ها را در شناسایی پیام‌ها و رفتارهای غیرعادی تقویت کند. با استفاده از این رویکرد، خودروها قادر خواهند بود به‌صورت مستقل و بی‌درنگ، گره‌های بدرفتار را شناسایی کرده و از بروز حوادث ناشی از حملات سایبری جلوگیری نمایند. در روش پیشنهادی، برای افزایش دقت تشخیص حملات و بدرفتاری، ویژگی‌های جدیدی به داده‌های تولیدی خودروها اضافه می‌شود که به شناسایی تغییرات غیرعادی در رفتار خودروهای دیگر کمک می‌کند. نتایج ارزیابی‌ها نشان می‌دهد که در مجموع روش پیشنهادی عملکرد بهتری در تشخیص بدرفتاری‌های خودروها نسبت به کارهای گذشته دارد.