面向工业物联网的对比学习隐私增强综述
机器学习
2026-02-03 v1 人工智能
摘要
工业物联网（IIoT）将智能感知、通信与分析集成到制造业、能源和关键基础设施等工业环境中。虽然IIoT实现了预测性维护和现代工业控制系统（如制造业和能源领域）的跨站点优化，但由于运营数据本身的敏感性，IIoT也带来了显著的隐私和机密性风险。对比学习作为一种自监督表示学习范式，最近作为降低对标签数据和原始数据共享依赖的隐私保护分析方法而引人关注。虽然对比学习基于隐私保护技术在物联网（IoT）领域得到探索，但本文针对工业物联网（IIoT）系统的隐私保护技术进行了综述。文中强调了工业数据的独特特性、系统架构以及各种应用场景。此外，本文讨论了解决方案、开放挑战，并概述了未来的研究方向。
引用
@article{arxiv.2602.00515,
title = {Contrastive Learning for Privacy Enhancements in Industrial Internet of Things},
author = {Lin Liu and Rita Machacy and Simi Kuniyilh},
journal= {arXiv preprint arXiv:2602.00515},
year = {2026}
}