TemporalFED: Detecting Cyberattacks in Industrial Time-Series Data Using Decentralized Federated Learning
Datos rápidos
- Año
- 2025
- Venue
- arXiv preprint arXiv:2308.03554
- Identificador
- peralesgomez2025temporalfed
Cita sugerida
Ángel Luis Perales Gómez, Enrique Tomás Martínez Beltrán, Pedro Miguel Sánchez Sánchez, Alberto Huertas Celdrán (2025). TemporalFED: Detecting Cyberattacks in Industrial Time-Series Data Using Decentralized Federated Learning. arXiv preprint arXiv:2308.03554.
Resumen
Autores
Palabras clave
Publicaciones relacionadas
Trabajos cercanos por temática, tipo y solapamiento de etiquetas.
Decentralized Self-Supervised Representation Learning via Prototype Exchange under Non-IID Data
Enrique Tomás Martínez Beltrán, Gérôme Bovet, Gregorio Martínez Pérez, Alberto Huertas Celdrán
FedEnD: Communication-Efficient Federated Learning for Non-IID Data via Decentralized Ensemble Distillation
Enrique Tomás Martínez Beltrán, Philip Giryes, Gérôme Bovet, Burkhard Stiller, Gregorio Martínez Pérez, Alberto Huertas Celdrán
RepuNet: A Reputation System for Mitigating Malicious Clients in DFL
Isaac Marroqui Penalva, Enrique Tomás Martínez Beltrán, Manuel Gil Pérez, Alberto Huertas Celdrán
Investigación relacionada
Abr 2023 — Nov 2023
DEFENDIS: aprendizaje federado descentralizado para identificación y seguridad de dispositivos IoT
DEFENDIS desarrolla un marco para identificar de forma distribuida dispositivos IoT y abordar amenazas de seguridad mediante aprendizaje federado descentralizado.
Dic 2022 — Nov 2025
EU-GUARDIAN: marco europeo y pruebas de concepto para la automatización inteligente de la gestión de incidentes de ciberdefensa
Solución avanzada basada en IA para automatizar la gestión de incidentes de ciberdefensa y reforzar la postura y las capacidades operativas de ciberdefensa de la UE.