{"status":"ok","message-type":"work","message-version":"1.0.0","message":{"indexed":{"date-parts":[[2024,9,4]],"date-time":"2024-09-04T04:19:02Z","timestamp":1725423542710},"reference-count":0,"publisher":"Sociedade Brasileira de Computa\u00e7\u00e3o - SBC","content-domain":{"domain":[],"crossmark-restriction":false},"short-container-title":[],"abstract":"Sistemas de detec\u00e7\u00e3o de intrus\u00e3o (IDS) baseados em aprendizado federado treinam um modelo global com a colabora\u00e7\u00e3o de participantes que treinam modelos locais de aprendizado de m\u00e1quina. Desa\ufb01os de otimiza\u00e7\u00e3o impl\u00edcitos ao aprendizado federado s\u00e3o relacionados \u00e0 heterogeneidade e ao desbalanceamento da distribui\u00e7\u00e3o dos dados entre participantes. Este artigo prop\u00f5e a meta-heur\u00edstica Arrefecimento Simulado Federado (Federated Simulated Annealing - FedSA), que visa selecionar adaptativamente os hiperpar\u00e2metros e a sele\u00e7\u00e3o de participantes para a agrega\u00e7\u00e3o de rodadas globais no aprendizado federado. A otimiza\u00e7\u00e3o da sele\u00e7\u00e3o de participantes e a de\ufb01ni\u00e7\u00e3o adaptava de hiperpar\u00e2metros do Arrefecimento Simulado Federado reduzem o n\u00famero de itera\u00e7\u00f5es at\u00e9 obter a converg\u00eancia do modelo, promovendo, assim, uma dissemina\u00e7\u00e3o r\u00e1pida de novos conhecimentos extra\u00eddos dos modelos locais. A avalia\u00e7\u00e3o da proposta em um cen\u00e1rio de sistema de detec\u00e7\u00e3o de intrus\u00e3o federado mostra que o modelo global usando do FedSA converge em apenas 10 itera\u00e7\u00f5es globais, enquanto o algoritmo tradicional necessita de 20 itera\u00e7\u00f5es para que ambos alcancem acur\u00e1cia de 99,8% na detec\u00e7\u00e3o de ataques.<\/jats:p>","DOI":"10.5753\/sbrc.2021.16727","type":"proceedings-article","created":{"date-parts":[[2022,1,18]],"date-time":"2022-01-18T09:08:48Z","timestamp":1642496928000},"page":"280-293","source":"Crossref","is-referenced-by-count":0,"title":["FedSA: Arrefecimento Simulado Federado para a Acelera\u00e7\u00e3o da Detec\u00e7\u00e3o de Intrus\u00e3o em Ambientes Colaborativos"],"prefix":"10.5753","author":[{"given":"Helio N.","family":"C. Neto","sequence":"first","affiliation":[]},{"given":"Diogo M. F.","family":"Mattos","sequence":"additional","affiliation":[]},{"given":"Natalia C.","family":"Fernandes","sequence":"additional","affiliation":[]}],"member":"3742","published-online":{"date-parts":[[2021,8,16]]},"event":{"name":"Simp\u00f3sio Brasileiro de Redes de Computadores e Sistemas Distribu\u00eddos","number":"39","location":"Brasil","acronym":"SBRC 2021"},"container-title":["Anais do XXXIX Simp\u00f3sio Brasileiro de Redes de Computadores e Sistemas Distribu\u00eddos (SBRC 2021)"],"original-title":[],"link":[{"URL":"https:\/\/sol.sbc.org.br\/index.php\/sbrc\/article\/download\/16727\/16569","content-type":"application\/pdf","content-version":"vor","intended-application":"text-mining"},{"URL":"https:\/\/sol.sbc.org.br\/index.php\/sbrc\/article\/download\/16727\/16569","content-type":"unspecified","content-version":"vor","intended-application":"similarity-checking"}],"deposited":{"date-parts":[[2022,1,18]],"date-time":"2022-01-18T09:09:12Z","timestamp":1642496952000},"score":1,"resource":{"primary":{"URL":"https:\/\/sol.sbc.org.br\/index.php\/sbrc\/article\/view\/16727"}},"subtitle":[],"short-title":[],"issued":{"date-parts":[[2021,8,16]]},"references-count":0,"URL":"https:\/\/doi.org\/10.5753\/sbrc.2021.16727","relation":{},"subject":[],"published":{"date-parts":[[2021,8,16]]}}}