Aprendizagem federada para a Internet dos veículos

A r pida evolu o da Internet dos Ve culos (IoV) introduz avan os significativos nos sistemas de transporte inteligentes, mas tamb m apresenta desafios cr ticos na seguran a dos dados, na privacidade e na tomada de decis es em tempo real. Este estudo prop e uma estrutura de seguran a baseada em Federated Learning (FL) para IoV, integrando Federated Averaging (FedAvg) e Differential Privacy (DP) para melhorar a seguran a cibern tica, preservando a privacidade dos dados. O modelo proposto utiliza t cnicas descentralizadas de aprendizagem autom tica para mitigar as amea as seguran a, reduzir a depend ncia da transmiss o de dados brutos e impedir o acesso n o autorizado a dados sens veis de ve culos e utilizadores. Atrav s de uma extensa an lise emp rica usando conjuntos de dados de ciberseguran a do mundo real, esta pesquisa avalia o desempenho, a escalabilidade e a efici ncia dos mecanismos de seguran a baseados em FL em compara o com as abordagens convencionais.