SimranJGill/Federated-Learning-IDS-Smart-Energy-IoT

🚀 面向智能能源物联网系统的基于联邦学习的入侵检测 📌 项目概述 物联网 设备在智能能源系统中的集成提高了自动化水平和效率，但也引入了重大的网络安全风险，例如拒绝服务 和虚假数据注入 攻击。 本项目提出了一种使用联邦学习 (FL) 的隐私保护入侵检测系统 (IDS)，其中分布式的物联网节点在不共享原始数据的情况下协作训练全局模型。 为了增强针对恶意参与者的鲁棒性，该系统集成了对抗防御机制，包括鲁棒聚合 和基于信任的客户端评估。 🎯 目标 为智能能源物联网环境开发基于联邦学习的 IDS 通过去中心化训练保护数据隐私 使用混合深度学习模型 (CNN-LSTM) 检测网络攻击 利用鲁棒聚合缓解投毒和拜占庭 攻击

标签：CNN-LSTM, Flower框架, PyTorch, 中毒攻击防御, 入侵检测系统, 凭据扫描, 分布式训练, 可信评估, 安全数据湖, 对抗防御, 工业物联网, 拒绝服务攻击, 拜占庭容错, 智能电网, 智能能源, 深度学习, 物联网安全, 网络安全, 网络安全, 联邦学习, 虚假数据注入, 逆向工具, 隐私保护, 隐私保护, 鲁棒聚合