面向物联网机器人thing的对比式联邦半监督学习入侵检测框架
密码学与安全
2025-05-13 v1
摘要
在智能制造、自动驾驶等环境中，物联网(IoT)与机器人高度集成，形成物联网机器人thing(IoRT)。然而，针对IoRT的网络入侵可导致数据泄露、服务中断，甚至通过控制机器人或车辆造成物理损坏。本文提出一种针对IoRT入侵检测与防御的对比式联邦半监督学习网络入侵检测框架(CFedSSL-NID)，以解决IoRT中机器人本地缺乏标记数据及数据隐私保护的实际场景。CFedSSL-NID集成随机弱和强数据增强、潜在对比学习及指数移动平均(EMA)更新，整合监督信号，从而增强在机器人本地无标记数据上的性能和鲁棒性。大量实验表明，CFedSSL-NID在基准数据集上优于现有的联邦半监督和完全监督方法，同时具有更低的资源需求。
关键词
引用
@article{arxiv.2505.06636,
title = {A Contrastive Federated Semi-Supervised Learning Intrusion Detection Framework for Internet of Robotic Things},
author = {Yifan Zeng},
journal= {arXiv preprint arXiv:2505.06636},
year = {2025}
}