Abordagem baseada em Aprendizado Federado para a Detecção de Intrusão em Redes de Computadores

Abstract

A rápida expansão das redes digitais e o crescente número de incidentes de segurança computacional tornam evidente a necessidade de métodos para a prevenção e detecção de atividades maliciosas. As abordagens tradicionais para detecção de intrusão em redes frequentemente enfrentam limitações em escalabilidade, privacidade e adaptabilidade. Este artigo explora o Aprendizado Federado (FL) como uma solução para lidar com esses desafios. Ao descentralizar o processo de treinamento e preservar a privacidade dos dados na fonte, o FL capacita os administradores de rede a construir colaborativamente modelos robustos de detecção de anomalias sem o compartilhamento de informações sensíveis.