PulseAugur
中
实时 09:25:12
English(EN) FedTransKD-IDS: Robust Federated Transfer Learning with Knowledge Distillation for Intrusion Detection in IoT

新框架利用联邦学习增强物联网入侵检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 FedTransKD-IDS 的新框架，以改进物联网 (IoT) 和 5G 网络中的入侵检测系统。该框架通过采用联邦学习、联邦迁移学习和知识蒸馏来解决隐私和可扩展性挑战。该系统表现出强大的性能，在检测异构数据集中的入侵时达到了 99.18% 的准确率和 99.99% 的召回率。 AI

影响 该框架可以提高大规模物联网部署中由人工智能驱动的入侵检测的安全性和效率。

排序理由 该集群包含一篇详细介绍新框架和实验结果的研究论文。[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 →

新框架利用联邦学习增强物联网入侵检测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mohammad Hosssein Gholamrezazadeh, Ahmadreza MontazerolghaemAhmadreza Montazerolghaem ·

    FedTransKD-IDS：用于物联网入侵检测的知识蒸馏鲁棒联邦迁移学习

    arXiv:2608.06447v1 Announce Type: cross Abstract: In modern distributed network environments, particularly in Internet of Things infrastructures and 5G networks, stringent privacy preservation and scalability requirements have created significant challenges for intrusion detectio…

相关实体

相关话题