Este sitio carga analítica opcional de Google y proveedores externos de analítica solo si aceptas. Puedes rechazarla y seguir usando la web con normalidad.
Sistemas de aprendizaje peer-to-peer y semidescentralizados para entornos críticos de seguridad donde los datos brutos no pueden centralizarse.
DEFENDIS desarrolla un marco para identificar de forma distribuida dispositivos IoT y abordar amenazas de seguridad mediante aprendizaje federado descentralizado.
Ver proyectoNota práctica sobre cómo monitorización distribuida, modelos DFL, evidencia de alertas y apoyo basado en LLMs pueden encajar en un flujo de ciberdefensa.
Nota de investigación sobre el uso de DFL para convertir telemetría distribuida, anomalías y señales de confianza en situational awareness de ciberdefensa.
Nota técnica sobre cómo flotas de drones pueden usar DFL para colaborar en modelos de detección sin exponer telemetría de misión.
Nota de investigación sobre mediana, trimmed mean y agregación ponderada por confianza para federaciones peer-to-peer bajo poisoning y clientes no confiables.
Nota de investigación sobre entrenamiento en edge, agregación segura y presupuestos de privacidad adaptativos para monitorización de seguridad IoT.