关于 TinyML 与网络安全：电动汽车充电基础设施用例
密码学与安全
2024-07-29 v3 人工智能
机器学习
摘要
随着技术的进步，机器学习 (ML) 在网络安全中的应用对于应对日益复杂的网络威胁变得愈发关键。尽管传统 ML 模型可以增强网络安全，但其对能源和资源的高需求限制了其应用，促使微型机器学习 (TinyML) 作为资源受限环境下的更合适解决方案而出现。TinyML 广泛应用于智能家居、医疗保健和工业自动化等领域。TinyML 专注于为小型低功耗设备优化 ML 算法，从而在边缘设备上直接实现智能数据处理。本文全面回顾了 TinyML 技术面临的常见挑战，如功耗、有限内存和计算约束；同时探讨了这些挑战的潜在解决方案，如能量收集、计算优化技术和用于隐私保护的迁移学习。另一方面，本文以电动汽车充电基础设施 (EVCI) 为代表性用例，讨论了 TinyML 在推进其网络安全方面的应用。本文提出了一个利用 TinyML 增强 EVCI 网络安全的实验案例研究，并相较于传统 ML 评估了其在减少延迟和内存使用方面的表现，代价是精度略有折损。此外，该研究包含在 PlatformIO 环境中使用 ESP32 微控制器的实际设置，提供了对 TinyML 在 EVCI 网络安全中应用的实践评估。
引用
@article{arxiv.2404.16894,
title = {On TinyML and Cybersecurity: Electric Vehicle Charging Infrastructure Use Case},
author = {Fatemeh Dehrouyeh and Li Yang and Firouz Badrkhani Ajaei and Abdallah Shami},
journal= {arXiv preprint arXiv:2404.16894},
year = {2024}
}
备注
Accepted and to appear in IEEE Access; Code is available at GitHub link: https://github.com/Western-OC2-Lab/TinyML_EVCI