English(EN) CLAD: A Clustered Label-Agnostic Federated Learning Framework for Joint Anomaly Detection and Attack Classification

CLAD框架通过聚类标签无关联邦学习增强物联网安全性

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-07 17:01

研究人员推出了一种名为CLAD的新型框架，旨在增强大规模物联网（IoT）环境的安全性。CLAD集成了聚类联邦学习和双模微架构，以应对设备异构性和有限标记数据带来的挑战。该方法能够同时进行无监督异常检测和有监督攻击分类，有效利用标记和未标记的客户端数据。 AI

影响该框架有望提高大型、多样化物联网网络中威胁检测的安全性和效率。

排序理由这是一篇详细介绍物联网安全领域联邦学习新框架的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Iason Ofeidis, Nikos Papadis, Randeep Bhatia, Leandros Tassiulas, TV Lakshman · 2026-05-08 04:00

CLAD：用于联合异常检测和攻击分类的聚类标签无关联邦学习框架

arXiv:2605.06571v1 Announce Type: new Abstract: The rapid expansion of the Internet of Things (IoT) and Industrial IoT (IIoT) has created a massive, heterogeneous attack surface that challenges traditional network security mechanisms. While Federated Learning (FL) offers a privac…
arXiv cs.LG TIER_1 English(EN) · TV Lakshman · 2026-05-07 17:01

CLAD：用于联合异常检测和攻击分类的集群标签无关联邦学习框架

The rapid expansion of the Internet of Things (IoT) and Industrial IoT (IIoT) has created a massive, heterogeneous attack surface that challenges traditional network security mechanisms. While Federated Learning (FL) offers a privacy-preserving alternative to centralized Intrusio…