CICIoT2023
PulseAugur coverage of CICIoT2023 — every cluster mentioning CICIoT2023 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究揭示剪枝会破坏物联网入侵检测器
一项新的研究论文识别出物联网（IoT）设备剪枝入侵检测器的一种关键故障模式，称为“输入层饥饿”。研究表明，虽然总体准确性可能仅略有下降，但由于检测器第一层受损，每类性能和宏F1分数可能急剧下降。当第一层的权重被过度剪枝时，就会出现此问题，导致错误归因和更高的误报率，通过保护这些初始权重或重新计算归一化统计数据可以缓解此问题。
-
物联网入侵检测：超越准确性，关注解释成本和稳定性
一项新近发表在arXiv上的研究，在准确性之外，重点评估了用于物联网（IoT）入侵检测的机器学习模型的解释成本、稳定性和效用。研究人员构建了一个安全的CICIoT2023语料库，并测试了Logistic Regression、Decision Tree、Random Forest和XGBoost等模型。研究结果表明，XGBoost提供了强大的预测性能，而Random Forest的误报率最低。该研究还使用TreeSHAP量化了解释生成…
-
新的FBID框架使用自适应PFL提升物联网攻击检测能力
研究人员开发了FBID，一个新颖的自适应个性化联邦学习（PFL）框架，旨在增强物联网（IoT）网络中分布外（OOD）攻击的检测能力。与可能导致过度个性化和OOD检测性能下降的现有PFL方法不同，FBID采用服务器端控制。它包含一个上下文多臂老虎机来动态调整客户端训练强度，以及一个基于信任的融合机制来平衡全局和本地模型知识。在CICIoT2023数据集上的实验表明，FBID能够提高OOD检测率和F1分数，尤其是在对抗未见过的攻击类别时。