Deep Learning, Federated Learning, and Meta-Learning for Intrusion Detection in the Internet of Things: A Systematic Review, Taxonomy, and Research Agenda
Cet article présente une revue systématique des approches d'apprentissage profond, d'apprentissage fédéré et de méta-apprentissage pour la détection d'intrusions dans l'IdO, classant les travaux existants selon six dimensions clés tout en identifiant des limites critiques telles que des protocoles d'évaluation non comparables, une gestion insuffisante des données non-IID et un manque de reproductibilité du code et des mesures en périphérie.