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 automático robustos, explicables y con preservación de privacidad para entornos distribuidos y adversarios.
DEFENDIS desarrolla un marco para identificar de forma distribuida dispositivos IoT y abordar amenazas de seguridad mediante aprendizaje federado descentralizado.
Ver proyectoROBUST-6G estudia mecanismos de seguridad para sistemas 6G, incluyendo monitorización, gestión segura de datos, servicios de IA confiable, aprendizaje federado y respuesta ante amenazas.
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 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.
Nota de investigación sobre detección descentralizada de anomalías donde los presupuestos de privacidad se adaptan a amenaza, criticidad y deriva del modelo.