Secuyolo: Kerangka Kerja Deteksi Objek Aman Dengan Darknet-53 dan CBAM di Perangkat Edge

ABSTRAK
Deteksi objek dalam komputasi tepi telah muncul sebagai solusi penting untuk memproses data sensor secara lokal, sehingga meminimalkan latensi dan konsumsi bandwidth. Namun, hal ini menimbulkan masalah privasi yang signifikan, karena server tepi dapat mengeksploitasi data sensor yang sensitif. Kerangka kerja tradisional sering kali mengabaikan keamanan data dan perlindungan privasi, sehingga menghadirkan tantangan dalam menyeimbangkan privasi dengan efisiensi komputasi di lingkungan yang terbatas sumber dayanya. Untuk mengatasi masalah ini dan meningkatkan kinerja, kami mengusulkan SecuYOLO CBAMNet53, kerangka kerja baru yang menggabungkan Secure YOLO V3 dengan Darknet-53 dan CBAM. Model ini meningkatkan kemampuan ekstraksi fitur, memastikan perlindungan privasi dan deteksi objek real-time yang akurat pada perangkat tepi. Darknet-53 berfungsi sebagai ekstraktor fitur yang mendalam, sementara CBAM meningkatkan daya diskriminatif melalui perhatian berdasarkan saluran dan spasial, meningkatkan akurasi deteksi dan menangani pemandangan yang kompleks. Ia mengintegrasikan YOLOv3 dengan langkah-langkah keamanan seperti enkripsi data, penyebaran yang aman, dan privasi diferensial, menjaga informasi sensitif selama inferensi. Dengan mengklasifikasikan data sebagai publik atau privat untuk aplikasi IoT pintar, SecuYOLO CBAMNet53 mengoptimalkan kinerja dan mencegah pelanggaran privasi. SecuYOLO yang diusulkan, yang menggunakan Darknet-53 dengan CBAM sebagai tulang punggungnya, mencapai kinerja yang luar biasa baik dalam perolehan kembali rata-rata 67,62 maupun presisi rata-rata 51,2. Kalibrasi ulang peta fitur yang dinamis dan mekanisme keamanan yang tangguh pada model tersebut memastikan deteksi objek dan perlindungan privasi yang andal, sehingga cocok untuk aplikasi di dunia nyata.