Исследователи Санкт-Петербургского электротехнического университета «ЛЭТИ» усовершенствовали безопасный метод обучения нейросетей, который используется в системах «умного города». В задаче выявления киберугроз и сетевых атак точность алгоритма достигла 99,98%.
Фото: unsplash
Ученые доработали популярный подход федеративного обучения FedBN и создали его модифицированную версию — MFedBN. Новый алгоритм показал лучшие результаты при работе с данными городских датчиков. Его проверяли на двух разных задачах: анализе поведения коммерческого транспорта и обеспечении сетевой безопасности. В первом случае точность классификации составила 85%, во втором — почти 100%, сообщил ТАСС со ссылкой на пресс-службу вуза.
В системах «умного города» объединяются данные из множества источников — от смартфонов до камер видеонаблюдения. Для их обработки применяются нейросети, но при этом, как отмечают исследователи, важно сохранять конфиденциальность персональных и служебных данных. Эту задачу решает федеративное обучение: нейросеть обучается прямо на устройствах, не передавая «сырые» данные на общий сервер, а отправляя только обновленные параметры модели.
Главное нововведение MFedBN — измененный способ объединения данных на сервере. Вместо простого усреднения используется градиентный подход с контролем скорости обучения. Это позволяет общей модели точнее подстраиваться под разнородные данные и избегать резких колебаний.
Кроме того, ученые ЛЭТИ разработали новую методику создания тестовых наборов данных, которая помогает реалистично моделировать работу систем «умного города» и точнее проверять технологии федеративного обучения.
Ранее Bzzz.news сообщал, что американские ученые научили ИИ прогнозировать более 100 заболеваний по данным сна человека.
