Edge-IIoTset
PulseAugur coverage of Edge-IIoTset — every cluster mentioning Edge-IIoTset across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架通过联邦学习增强边缘计算网络安全
研究人员开发了一种新颖的信任感知联邦混合入侵检测框架（TA-FHIDF），以增强边缘计算环境中的网络安全。该框架结合了自动编码器、一维卷积神经网络（1D-CNN）和双向长短期记忆（BiLSTM）模型，用于自主特征提取。为了保护数据隐私和防止对抗性攻击，TA-FHIDF 利用联邦学习进行协作模型训练，并采用信任感知聚合机制，在全局模型集成前评估客户端的可靠性。在 UNSW-NB15 和 CICIDS2017 等基准数据集上的评估显示，检…
-
Edge-IIoTset基准测试中的缺陷已揭示，提出新的AgriEdge基准
一篇新研究论文指出了常用于工业物联网中基于机器学习的入侵检测的Edge-IIoTset基准测试中的一个重大缺陷。研究表明，数据集中预处理指令中的序列化伪影，特别是缺失协议字段的占位符拼写，使得标准分类器在不实际模拟网络行为的情况下就能达到近乎完美的准确率。研究人员提出了一个名为AgriEdge的修正基准，其中包含更全面的数据和设备，证明在没有该伪影的情况下，最强大的模型能达到约0.95的准确率，并且在感知/执行层发现了泛化边界。
-
新的无监督框架实时检测网络异常
研究人员开发了Adaptive NAD，一种用于实时检测网络异常的新型无监督框架。该系统旨在适应不断变化的流量模式，这是保护物联网设备的关键需求。Adaptive NAD采用两层策略生成高置信度伪标签，并采用在线训练方案和独特的阈值计算技术进行持续更新。实验表明，与现有解决方案相比，它显著减少了误报，并提供了更快的推理速度。