Tesi etd-06272025-164904 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
CREMONESE, LUCA
URN
etd-06272025-164904
Titolo
Federated Isolation Forests for IIoT Anomaly Detection: Robust Aggregation and Poisoning Attack Mitigation
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
CYBERSECURITY
Relatori
relatore Prof. Garroppo, Rosario Giuseppe
Parole chiave
- ai
- anomaly detection
- iiot
- isolation forest
- llm
Data inizio appello
23/07/2025
Consultabilità
Completa
Riassunto
the work intends to apply a technique of tree-weight tagging and a variance based approach to the poisoning mitigation of a federated learning model used for anomaly detection: precisely isolation forest. Via a proper simulation of clients and a forest made of multiple trees, we managed to obtain a 35% improvement in precision of the model with respect to the base model.
File
| Nome file | Dimensione |
|---|---|
| Tesi_Cre..._PDFA.pdf | 4.47 Mb |
Contatta l’autore |
|