FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS

Detalhes bibliográficos
Autor(a) principal: Coelho, Mariana França
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/103091
Resumo: Dissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia
id RCAP_21e01d15ae53bba33e8db2ae296cac5a
oai_identifier_str oai:estudogeral.uc.pt:10316/103091
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGSFEDERATED LEARNING APPLIED TO DEVICES WITH INTERNET OF THINGS TECHNOLOGYAprendizagem FederadaInternet das CoisasAprendizagem ComputacionalCiber segurançaComputação de BordasFederated LearningInternet of ThingsMachine LearningCyber securityEdge ComputingDissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e TecnologiaO Aprendizado Federado vem ganhando força nos últimos anos, principalmente por ser altamente escalável, podendo abrigar diferentes dispositivos, com dados heterogêneos. Também permite colaboração entre múltiplas entidades, sem a exposição de dados. Os dispositivos, que possuem tecnologia Internet das Coisas, estão cada dia mais presente no dia a dia dos seres humanos, demonstrando a necessidade de um alto processamento de informações. A partir disto, nos concentramos em explorar e entender a implementação do Aprendizado Federado com diferentes estruturas, relativo à gama de dispositivos de Internet das Coisas. As experiências realizadas utilizam o ambiente Flower para avaliar os parâmetros. Com isso, o desempenho dos modelos PassiveAggressive, Perceptron, SVM e Regressão Logística foram testados, para todos os conjuntos de dados UNSW-NB15 (2015), CIC-IDS2017 (2017), TON_IoT (2019), WUSTL-IIOT-2021 (2021), os quais fornecem informações da presença de ciber ataques. Buscou-se explorar o ambiente simulado em aplicações de um classificador binário, e multiclasse, a partir de técnicas de Aprendizagem Federada, abordando cada uma das etapas, e criando um entendimento da métrica de avaliação principal para tomada de decisão, f1-score. Para calculo da métrica, executamos combinações entre os modelos apresentados e técnicas de redução de dimensionalidade. Apresentamos cada um dos resultados obtidos a partir das simulações, bem como os desafios encontrados durante as etapas, concluindo que em quase todos testes, obtivemos melhores resultados com o modelo PassiveAggressive, além de redução da dimensionalidade a partir da importância das características. Por cada teste feito, chegamos a um ganho de informação entre os clientes de no mínimo 2% f1-score, denotando a efetividade do ambiente simulado. Para trabalhos futuros foi sugerido a aplicação de cenários utilizando o desbalanceamento de número de amostras distribuídos por todos cliente.Federated Learning has gained momentum recently because it is highly scalable and can host different devices with heterogeneous data. It also allows collaboration between multiple entities without exposing data. Devices, which have Internet of Things technology, are increasingly present in the daily lives of humans, demonstrating the need for high information processing. From this, we focus on exploring and understanding the implementation of Federated Learning with different frameworks relative to the range of Internet of Things devices. The experiments were performed using the framework Flower to evaluate the parameters. With this, the performance of the PassiveAggressive, Perceptron, SVM, and Logistic Regression models were tested for all UNSW-NB15 (2015), CIC-IDS2017 (2017), TON_IoT (2019), WUSTL-IIOT-2021 (2021) datasets, which provide information of the presence of cyber attacks. We sought to explore the simulated environment in applications of a binary, and multiclass classifier, from Federated Learning techniques, addressing each of the steps and understanding the primary evaluation metric for decision making, f1-score. We run combinations between the presented models and dimensionality reduction techniques to calculate the metric. We present the results obtained from the simulations and the challenges encountered during the steps, concluding that in almost all tests, we obtained better results with the PassiveAggressive model, besides the dimensionality reduction from the importance of the characteristics. For each test performed, we reached an information gain among clients of at least 2% f1-score, denoting the effectiveness of the simulated environment. For future work, we suggested applying scenarios using unbalancing the number of samples distributed to all clients.2022-09-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/103091http://hdl.handle.net/10316/103091TID:203077962porCoelho, Mariana Françainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-10-19T20:38:38Zoai:estudogeral.uc.pt:10316/103091Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:19:57.238953Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
FEDERATED LEARNING APPLIED TO DEVICES WITH INTERNET OF THINGS TECHNOLOGY
title FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
spellingShingle FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
Coelho, Mariana França
Aprendizagem Federada
Internet das Coisas
Aprendizagem Computacional
Ciber segurança
Computação de Bordas
Federated Learning
Internet of Things
Machine Learning
Cyber security
Edge Computing
title_short FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
title_full FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
title_fullStr FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
title_full_unstemmed FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
title_sort FEDERATED LEARNING APLICADA EM DISPOSITIVOS COM TECNOLOGIA INTERNET OF THINGS
author Coelho, Mariana França
author_facet Coelho, Mariana França
author_role author
dc.contributor.author.fl_str_mv Coelho, Mariana França
dc.subject.por.fl_str_mv Aprendizagem Federada
Internet das Coisas
Aprendizagem Computacional
Ciber segurança
Computação de Bordas
Federated Learning
Internet of Things
Machine Learning
Cyber security
Edge Computing
topic Aprendizagem Federada
Internet das Coisas
Aprendizagem Computacional
Ciber segurança
Computação de Bordas
Federated Learning
Internet of Things
Machine Learning
Cyber security
Edge Computing
description Dissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-09-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/103091
http://hdl.handle.net/10316/103091
TID:203077962
url http://hdl.handle.net/10316/103091
identifier_str_mv TID:203077962
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134092973834240

Registros relacionados