یادگیری مشارکتی: رویکردی کارآمد برای امنیت در اینترنت اشیا مبتنی بر رایانش مه

در مسیر طراحی و پیاده سازی سیستم های اینترنت اشیاء چالش های متعددی وجود دارد، دستگاه های اینترنت اشیا دائما در حال ایجاد داده هستند و در اغلب موارد تحلیل و پردازش داده ها باید سریع صورت پذیرد. پردازش مه می تواند نقش بسزایی در افزایش کارایی و اطمینان اینترنت اشیاء داشته باشد. در اینترنت اشیا مبتنی بر رایانش مه داده ها در لبه ها پردازش شده و سپس به مراکز داده ارسال می گردد. برای پردازش داده ها در لبه رویکردهای مبتنی بر هوش مصنوعی و یادگیری ماشین پیشنهاد شده است. اما استفاده از هوش مصنوعی و تجزیه و تحلیل داده ها در لبه باعث به وجود آمدن نگرانی هایی در حوزه امنیت و حریم خصوصی شده است. لذا استفاده از معماری مه و ترکیب آن با اینترنت اشیا نیز با چالش هایی مواجه است و پویایی لازم را در مسیر تامین امنیت شبکه و حفظ حریم خصوصی کاربران ندارد. بر همین اساس مدل جدیدی پیشنهاد شده که سعی دارد محدودیت های امنیتی پردازش در لبه را جبران کند. یادگیری مشارکتی فناوری است که اخیرا برای این منظور پیشنهاد شده است. یادگیری مشارکتی یک روش جدید می باشد با حفظ حریم خصوصی کاربران و تلاش دارد دقت نتایج الگوریتم های یادگیری ماشین را افزایش دهد. این روش، تکنیکی از یادگیری ماشین و هوش مصنوعی است که یک الگوریتم را در چندین دستگاه لبه غیرمتمرکز یا سرورهایی محلی، بدون تبادل داده بین آنها، آموزش می‌دهد. در این مقاله کارکرد یادگیری مشارکتی در بهبود حفظ حریم خصوصی کاربران در اینترنت اشیا مورد بررسی قرار می گیرد.