Apprentissage fédéré pour la détection d'intrusion (reconnaissance faciale)

Abstract

Dans mon étude j'explore l'optimisation de l'apprentissage fédéré pour améliorer la détection d'intrusion et la reconnaissance faciale tout en garantissant la confidentialité des données. En mettant en avant les défis liés à la protection des données personnelles, il propose des solutions techniques et réglementaires pour établir un équilibre. Les chapitres abordent la définition de l'apprentissage fédéré, les reconnaissances faciales, l'état de l'art dans la détection d'intrusion, et une approche proposée avec un score de précision et F1 de 0.89 pour la reconnaissance faciale. Les avancées offrent des opportunités pour renforcer la sécurité des réseaux, nécessitant des réglementations strictes, une collaboration pour des normes, la sensibilisation, et une veille technologique pour anticiper les défis futurs