Enhancing Cyber Attack Detection Through Federated Machine Learning: A Privacy-preserving Framework
2024
Autre

Université Frères Mentouri - Constantine 1

A
Azer, Nabila
B
Benmerzoug, Djamel

Résumé: 23 Corresponding author email : azeri.nabila@gmail.com Enhancing Cyber Attack Detection through Federated Machine Learning: A Privacy-Preserving Framework Azeri, Nabila*1; Benmerzoug, Djamel2 1Abbes Laghrour University, Khenchela 2Université Abdelhamid Mehri - Constantine 2 Abstract In this paper, we propose a novel framework for enhancing cyber attack detection through the application of Federated Machine Learning (FML). As cyber threats become increasingly sophisticated and frequent, traditional machine learning approaches that centralize data collection present significant privacy and security challenges

Mots-clès:

Nos services universitaires et académiques

Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).

Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!

Comment ça marche?
Nouveau
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".


footer.description

Le Moteur de recherche des thèses, mémoires et rapports soutenus en Algérie

Doctorat - Magister - Master - Ingéniorat - Licence - PFE - Articles - Rapports


©2025 Thèses-Algérie - Tous Droits Réservés
Powered by Abysoft
contact@theses-algerie.com