Apprentissage fédéré pour l'internet des véhicules

L' volution rapide de l'Internet des v hicules (IoV) introduit des avanc es significatives dans les syst mes de transport intelligents, mais pr sente galement des d fis critiques en mati re de s curit des donn es, de protection de la vie priv e et de prise de d cision en temps r el. Cette tude propose un cadre de s curit bas sur l'apprentissage f d r (FL) pour l'IoV, int grant la moyenne f d r e (FedAvg) et la confidentialit diff rentielle (DP) pour am liorer la cybers curit tout en pr servant la confidentialit des donn es. Le mod le propos s'appuie sur des techniques d centralis es d'apprentissage automatique pour att nuer les menaces de s curit , r duire la d pendance l' gard de la transmission de donn es brutes et emp cher l'acc s non autoris aux donn es sensibles du v hicule et de l'utilisateur. Gr ce une analyse empirique approfondie utilisant des ensembles de donn es de cybers curit du monde r el, cette recherche value les performances, l' volutivit et l'efficacit des m canismes de s curit bas s sur l'apprentissage automatique par rapport aux approches conventionnelles.