Ученые из Петербургского государственного электротехнического университета «ЛЭТИ» повысили точность безопасного метода обучения нейросетей для «умного города».
Алгоритм достиг в задаче обнаружения киберугроз и сетевых вторжений 99,98%, пишет ТАСС.
Работоспособность и превосходство предложенного алгоритма над базовыми аналогами были доказаны в ходе серии экспериментов на двух принципиально разных задачах – мониторинге поведения коммерческого транспорта и обеспечении сетевой безопасности. В частности, при тестировании на данных сенсоров грузовых автомобилей алгоритм достиг точности классификации 85%, а в задаче обнаружения киберугроз и сетевых вторжений – 99,98%.
В задачи «умного города» входит интеграция большого количества информационных потоков, исходящих от разных источников – начиная с сотовых телефонов, и заканчивая камерами видеонаблюдения. Для работы с данными в сервисах «умного города» активно применяются нейронные сети, которые могут анализировать большие объемы информации.
Важная задача в процессе обучения нейросетей – обеспечение безопасности персональных данных пользователей и служебной информации о городских системах.
Одним из новых подходов является федеративное обучение – метод машинного обучения, который позволяет «тренировать» нейросеть на множестве разрозненных устройств без необходимости передавать их локальные данные на единый сервер, то есть вместо того чтобы отправлять «сырые» данные в централизованное облако, каждое устройство обучает модель на своих данных локально. Затем устройства отправляют на сервер только обновления параметров нейросети. Так федеративное обучение сохраняет конфиденциальность данных.
Ранее сообщалось , что почти 800 петербургских автобусов «общаются» с умными светофорами для ускорения движения.
