Ученые из Петербургского государственного электротехнического университета «ЛЭТИ» повысили точность безопасного метода обучения нейросетей для «умного города».

Алгоритм достиг в задаче обнаружения киберугроз и сетевых вторжений 99,98%, пишет ТАСС.

Работоспособность и превосходство предложенного алгоритма над базовыми аналогами были доказаны в ходе серии экспериментов на двух принципиально разных задачах – мониторинге поведения коммерческого транспорта и обеспечении сетевой безопасности. В частности, при тестировании на данных сенсоров грузовых автомобилей алгоритм достиг точности классификации 85%, а в задаче обнаружения киберугроз и сетевых вторжений – 99,98%.

В задачи «умного города» входит интеграция большого количества информационных потоков, исходящих от разных источников – начиная с сотовых телефонов, и заканчивая камерами видеонаблюдения. Для работы с данными в сервисах «умного города» активно применяются нейронные сети, которые могут анализировать большие объемы информации.

Важная задача в процессе обучения нейросетей – обеспечение безопасности персональных данных пользователей и служебной информации о городских системах.

Одним из новых подходов является федеративное обучение – метод машинного обучения, который позволяет «тренировать» нейросеть на множестве разрозненных устройств без необходимости передавать их локальные данные на единый сервер, то есть вместо того чтобы отправлять «сырые» данные в централизованное облако, каждое устройство обучает модель на своих данных локально. Затем устройства отправляют на сервер только обновления параметров нейросети. Так федеративное обучение сохраняет конфиденциальность данных.

Ранее сообщалось, что почти 800 петербургских автобусов «общаются» с умными светофорами для ускорения движения.