Концептуальні моделі та методи машинного навчання для застосунків Інтернету речей

Abstract

Об’єкт дослідження: системи Інтернету речей (IoT), зокрема Internet of Medical Things (IoMT), та їх обчислювальні й безпекові аспекти. Мета роботи: дослідження та впровадження методів машинного навчання, зокрема згорткових нейронних мереж і фізично неклонованих функцій (PUF), для підвищення ефективності й безпеки систем Інтернету речей (IoT). Предмет дослідження: методи машинного навчання та архітектури, такі як згорткові нейронні мережі і фізично неклоновані функції, для покращення обробки даних та забезпечення безпеки в системах IoT. Результати дослідження В роботі представлено новий підхід до навчання без учителя з використанням автоенкодерів, який забезпечує надійну обробку даних та підвищену безпеку у системах IoT. Висновок Запропоновано інноваційні архітектури на основі фізично неклонованих функцій для захисту пристроїв IoT від атак на основі машинного навчання та оозроблено методики використання загорткових нейронних мереж для обробки даних у системах IoT з обмеженими ресурсами.