Apprendimento Decentralizzato per il Rilevamento di Comportamenti Scorretti dei Veicoli

Negli ultimi anni, c'è stato un crescente interesse nell'utilizzare tecniche di machine learning (ML) per rilevare cyber attacchi. Tuttavia, molti metodi esistenti si basano su sistemi centralizzati che richiedono la condivisione di grandi quantità di dati da varie fonti. Questo solleva preoccupazioni sulla privacy e ritardi nel processamento. Per affrontare queste problematiche, i ricercatori si stanno spostando verso approcci decentralizzati, come il Federated Learning (FL). Il FL consente a più clienti di collaborare e addestrare un modello comune senza condividere i propri dati, proteggendo così la privacy.

Un problema urgente nel contesto del FL è la rilevazione di comportamenti scorretti in ambienti veicolari. Questo implica identificare i veicoli che inviano informazioni false, che le misure di sicurezza tradizionali potrebbero non catturare. I metodi attuali per rilevare tali comportamenti scorretti spesso si basano su tecniche di apprendimento supervisionato, che richiedono set di dati etichettati. Creare questi set di dati può essere difficile, soprattutto quando si tratta di imitare scenari della vita reale. Inoltre, le tecniche supervisionate non sono efficaci contro minacce nuove e sconosciute.

Per affrontare queste sfide, proponiamo un nuovo metodo di FL non supervisionato per rilevare potenziali comportamenti scorretti nei veicoli. Il nostro approccio sfrutta i servizi cloud pubblici per aggiornamenti del modello e funge anche da repository per il tracciamento degli eventi di comportamento scorretto. Questo consente di apprendere da più veicoli e permette strategie difensive migliori. Il nostro metodo combina Gaussian Mixture Models (GMM) e Variational Autoencoders (VAE) utilizzando un dataset specifico progettato per la ricerca veicolare.

#Background sul Federated Learning

I modelli di machine learning tradizionali spesso richiedono che i dati vengano raccolti in una posizione centrale per l'analisi. Questo setup può creare diversi problemi, come la dipendenza dalla stabilità della rete e problemi di latenza insieme al rispetto delle normative sulla protezione dei dati. Il FL presenta una soluzione permettendo l'elaborazione locale dei dati sui dispositivi dei clienti mentre invia solo aggiornamenti del modello a un server centrale. In questo modo, i dati rimangono sui clienti individuali, migliorando la privacy e abilitando un uso più efficace delle risorse di comunicazione.

In un sistema FL, i clienti addestrano i propri modelli utilizzando i propri dati e inviano periodicamente aggiornamenti al server. Il server aggrega poi questi aggiornamenti e restituisce una versione raffinata ai clienti per ulteriore addestramento. Questo processo collaborativo continua in cicli, aiutando a costruire modelli migliori nel tempo.

#La Sfida della Rilevazione dei Comportamenti Scorretti

I comportamenti scorretti nei veicoli possono presentarsi in molteplici forme, inclusi invii di informazioni false. Rilevare queste anomalie è cruciale poiché possono portare a seri problemi di sicurezza sulla strada. Molti metodi attuali si basano sull'apprendimento supervisionato, che necessita di dati etichettati per l'addestramento. Creare questi set di dati etichettati è spesso impraticabile e richiede tempo in scenari veicolari dove riprodurre condizioni di vita reale può essere impegnativo.

D'altra parte, le tecniche non supervisionate possono aiutare a estrarre funzionalità utili dai dati senza richiedere esempi etichettati. Utilizzando questi approcci, diventa più facile identificare schemi e anomalie che passerebbero inosservate con metodi supervisionati.

Tuttavia, la maggior parte degli studi esistenti sulla rilevazione dei comportamenti scorretti si concentra su approcci supervisionati, spesso utilizzando suddivisioni artificiali dei set di dati. Vogliamo cambiare questo applicando metodi non supervisionati che tengono conto della distribuzione naturale dei dati in contesti del mondo reale.

#Approccio Non Supervisionato Proposto

Il nostro metodo di FL non supervisionato per rilevare comportamenti scorretti consiste in diversi elementi chiave:

1. Gaussian Mixture Models (GMM): Utilizziamo GMM per categorizzare i dati in diversi cluster basati su distribuzioni di probabilità. Questo significa che ogni punto dati può appartenere a più cluster, permettendo una modellazione più flessibile.

2. Variational Autoencoders (VAE): I VAE aiutano a ricostruire i dati comprimendoli in uno spazio di dimensioni inferiori e poi decomprimendoli nella forma originale. Questa capacità consente al sistema di identificare punti dati anomali che potrebbero suggerire comportamenti scorretti.

3. Restricted Boltzmann Machines (RBM): Queste vengono utilizzate come strati di pre-addestramento per i VAE per migliorare la convergenza. Aiutano il VAE a imparare rappresentazioni migliori dei dati prima che inizi l'addestramento reale.

4. Fed+ Aggregation Method: A differenza dei metodi di aggregazione tradizionali come FedAvg, il metodo Fed+ consente prestazioni più efficaci in situazioni in cui i dati distribuiti non sono identicamente e indipendentemente distribuiti (non-iid).

Combinando questi elementi, il nostro sistema può apprendere da più veicoli garantendo che ogni veicolo si alleni sui propri dati locali.

#Il Dataset

Per la nostra valutazione, abbiamo utilizzato il dataset Vehicular Reference Misbehavior (VeReMi). Questo dataset è stato creato utilizzando simulazioni che replicano ambienti veicolari e include comportamenti falsi per testare i metodi di rilevazione. È stato progettato per riflettere le condizioni del mondo reale, il che aiuta a migliorare la validità dei nostri risultati. Il dataset contiene registrazioni dettagliate dei veicoli, inclusi informazioni sulle loro posizioni e eventuali eventi di comportamento scorretto.

Abbiamo anche fatto in modo di preprocessare i dati per tenere conto delle distribuzioni non-iid. Questo implica bilanciare il dataset, in modo che contenga una rappresentazione equa delle attività benigne e malevoli. Abbiamo utilizzato tecniche come SMOTE-Tomek per garantire che le classi siano distribuite più uniformemente.

#Panoramica del Sistema

Il nostro sistema proposto opera in tre fasi principali:

#Fase 1: Inizializzazione

Nella prima fase, ogni veicolo addestra il GMM utilizzando i propri dati benigni. Questo processo porta alla creazione di cluster basati sulle somiglianze all'interno dei dati. Successivamente, questi cluster vengono trasformati in formati istogramma che serviranno come pesi iniziali per il VAE, che viene addestrato utilizzando l'RBM.

#Fase 2: Federated Learning

La seconda fase coinvolge tutti i veicoli partecipanti nel processo di federated learning. Ogni veicolo utilizza i propri dati locali per aggiornare il proprio modello VAE e condivide i pesi risultanti con il server. Il server aggrega questi pesi per creare un modello globale migliorato, che viene poi restituito a ciascun veicolo per un ulteriore addestramento.

#Fase 3: Rilevazione Locale di Comportamenti Scorretti

Nella fase finale, ogni veicolo utilizza il proprio VAE addestrato per rilevare potenziali comportamenti scorretti in tempo reale. Valuta i dati in arrivo in base alla probabilità generata dal GMM e utilizza soglie predefinite per classificare i dati come benigne o sospette.

Consentendo a ciascun veicolo di agire in modo indipendente pur contribuendo a un modello collettivo, il nostro sistema può monitorare e analizzare comportamenti scorretti senza compromettere la privacy o l'integrità dei dati.

#Valutazione e Risultati

Per valutare il nostro metodo, abbiamo condotto un ampio insieme di test utilizzando il dataset VeReMi. Abbiamo valutato le prestazioni del nostro approccio FL non supervisionato rispetto ai metodi esistenti. I nostri risultati indicano che il nostro sistema può identificare efficacemente comportamenti scorretti con alta accuratezza.

In particolare, abbiamo riscontrato che il nostro approccio ha superato molti metodi tradizionali basati su apprendimento supervisionato, soprattutto in termini di richiamo e precisione. Questi metriche sono cruciali per valutare l'efficacia dei sistemi di rilevazione dei cyber attacchi.

Bilanciando efficacemente il dataset e impiegando la tecnica di aggregazione Fed+, il nostro sistema dimostra di poter gestire vari scenari, inclusi quelli con distribuzioni di dati non-iid comunemente riscontrati nelle applicazioni reali.

#Conclusione e Lavori Futuri

In conclusione, il nostro lavoro rappresenta un passo avanti nel campo della rilevazione dei comportamenti scorretti in ambienti veicolari. Sfruttando tecniche di apprendimento non supervisionato in un framework di federated learning, offriamo una soluzione robusta che affronta le preoccupazioni sulla privacy pur garantendo alte prestazioni.

Per i lavori futuri, pianifichiamo di espandere il nostro approccio per classificare diversi tipi di comportamenti scorretti e esplorare tassi di apprendimento dinamici per ottimizzare ulteriormente il processo di addestramento. Inoltre, intendiamo esaminare metodi di selezione dei clienti che potrebbero ridurre l'uso della banda mantenendo un apprendimento efficace.

Questi sviluppi non solo migliorerebbero l'affidabilità delle reti veicolari, ma fornirebbero anche un'esperienza di guida più sicura per tutti sulla strada.