English(EN) CO-DEFEND: Continuous Decentralized Federated Learning for Secure DoH-Based Threat Detection

新的 CO-DEFEND 框架支持隐私保护的 DoH 威胁检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员开发了一个名为 CO-DEFEND 的新框架，以解决在保护数据隐私的同时检测恶意 DNS over HTTPS (DoH) 流量的挑战。这种去中心化的联邦学习方法允许多个实体在不共享其敏感本地数据的情况下实时协作训练机器学习模型。该框架将支持向量机、逻辑回归、决策树和随机森林等常用机器学习算法适配到这种联邦环境中，与现有方法相比，在威胁检测方面表现出更高的可扩展性和效率。 AI

影响增强了网络安全威胁检测系统中隐私保护的能力。

排序理由详细介绍新框架和机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Diego Cajaraville-Aboy, Marta Moure-Garrido, Carlos Beis-Penedo, Carlos Garcia-Rubio, Rebeca P. D\'iaz-Redondo, Celeste Campo, Ana Fern\'andez-Vilas, Manuel Fern\'andez-Veiga · 2026-06-29 04:00

CO-DEFEND: Continuous Decentralized Federated Learning for Secure DoH-Based Threat Detection

arXiv:2504.01882v2 Announce Type: replace Abstract: The use of DNS over HTTPS (DoH) tunneling by an attacker to hide malicious activity within encrypted DNS traffic poses a serious threat to network security, as it allows malicious actors to bypass traditional monitoring and intr…

报道来源 [1]

CO-DEFEND: Continuous Decentralized Federated Learning for Secure DoH-Based Threat Detection

相关实体

相关话题