5 min de lecturaNota de investigación
Aprendizaje federado descentralizado robusto: límites y preguntas abiertas
Preguntas abiertas en DFL robusto: grafos dinámicos, contexto manipulado, privacidad, modalidades ausentes y experimentos para avanzar.
Notas de investigación sobre aprendizaje federado, ciberseguridad y ciberdefensa
Notas de investigación y guías técnicas sobre aprendizaje federado, IA distribuida, ciberdefensa, sistemas confiables y plataformas con privacidad.
Tema: IA confiable Quitar tema
10 artículos. Página 1 de 2.
4 min de lecturaNota de investigación
La ciberdefensa autónoma necesita algo más que un LLM
Ciberdefensa autónoma con LLMs: estados, límites de acción, recuperación y métricas para evaluar utilidad y seguridad por separado.
4 min de lecturaNota de investigación
P-RAG: llevar conocimiento de seguridad al modelo
P-RAG frente a RAG contextual: memoria en parámetros, actualización, permisos y procedencia para conocimiento de ciberseguridad.
6 min de lecturaNota de investigación
Cómo medir la robustez en experimentos DFL adversarios
Evalúa robustez DFL con F1, falsos rechazos, costes y recuperación. Interpreta Flighter y diseña comparaciones limpias y bajo ataque.
5 min de lecturaNota de investigación
El DFL es más que aprendizaje federado sin servidor
Por qué DFL cambia coordinación, consenso y confianza. Identifica dependencias centrales y evalúa qué servicios sobreviven a un fallo.
5 min de lecturaNota de investigación
De la monitorización a la mitigación: ciclo de ciberdefensa DFL con explicaciones mediante LLMs
Conecta telemetría, aprendizaje federado, alertas y mitigación con LLMs mediante evidencia trazable, validación y feedback revisado.