Методология оценки эффективности средств обнаружения вторжений на основе федеративного обучения

Резюме: В статье исследуется задача применения федеративного обучения для построения систем обнаружения вторжений. Федеративное обучения – это способ организации распределенного обучения, при котором данные не передаются в единое облачное хранилище, а обучение моделей осуществляется локально, формирование общей глобальной модели выполняется на основе параметров локальных моделей. В работе предлагается методика оценки эффективности моделей, обученных в федеративном режиме, включая оценку пропускной способности обучения. Пропускная способность обучения зависит от настроек федеративного обучения, вычислительных ресурсов взаимодействующих устройств и пропускной способности сети, и, очевидно, что использование федеративного обучения может значительно влиять на работоспособность самого устройства. В работе представлены описание экспериментального стенда, и результаты серии экспериментов, которые характеризуют процесс федеративного обучения с разными настройками.

Ключевые слова: обнаружение вторжений, федеративное обучение, машинное обучение.

E.S. Novikova, A.V. Meleshko

A methodology for evaluating the effectiveness of intrusion detection system based on federated learning

Summary: The article investigates the problem of applying federated learning for building intrusion detection systems. Federated learning is a way of organizing distributed learning, in which data are not transferred to a single cloud storage, and the training of models is performed locally, the formation of a common global model is performed based on the parameters of local models. The article proposes a methodology for evaluating the performance of federated trained models, including the evaluation of the training throughput. The training throughput depends on the federated learning settings, the computational resources of the interacting devices and the network bandwidth, and obviously, the use of federated learning can significantly affect the performance of the device itself. This article presents a description of the experimental setup, and the results of a series of experiments that characterize the federated learning process with different settings.

DOI: 10.34219/2078-8320-2024-15-2-100-108