Resumen

La plataforma IoT de lucha contra incendios enlaza múltiples subsistemas de lucha contra incendios. Los datos de cada subsistema pertenecen a los datos sensibles de la profesión. La predicción de fallas es un tema crucial para las plataformas IoT de lucha contra incendios, ya que las fallas pueden provocar lesiones en el equipo. Actualmente, en el mantenimiento de equipos terminales de IoT de fuego, no se ha incluido la predicción de fallas basada en series temporales de equipos. El uso de tecnología inteligente para predecir continuamente la falla del equipo de IoT de lucha contra incendios no solo puede eliminar la intervención del mantenimiento regular, sino que también proporciona una advertencia temprana de las próximas fallas. Para resolver este problema, proponemos un marco de aprendizaje federado vertical basado en la red de clasificación de fallas LSTM (LstFcFedLear). La ventaja de este marco es que puede encriptar e integrar los datos en toda la plataforma de IoT de lucha contra incendios para formar un nuevo

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Extinción de incendios; Plataforma IoT; Predicción de fallas; Mantenimiento; Red de clasificación de fallas; Aprendizaje federado
• Keywords:Firefighting; IoT platform; Failure prediction; Maintenance; Fault classification network; Federated learning