予取予求：面向工业物联网网络入侵检测的联邦迁移学习
人工智能
2023-10-12 v1
摘要
物联网 (IoT) 技术的快速增长已成为当今工业不可或缺的一部分，形成了工业物联网 (IIoT) 倡议，其中各行业正利用 IoT 通过数据分析和云计算等新兴方案改善通信与连接。遗憾的是，IoT 的迅速应用使其成为网络犯罪分子极具吸引力的目标。因此，保护这些系统至关重要。本文中，我们提出一种联邦迁移学习 (FTL) 方法来执行 IIoT 网络入侵检测。作为研究的一部分，我们还提出了一种组合神经网络作为执行 FTL 的核心。所提技术将 IoT 数据在客户端与服务器设备间分割以生成相应模型，并合并客户端模型的权重来更新服务器模型。结果展示了 FTL 设置在 IIoT 客户端与服务器间迭代时的高性能。此外，所提 FTL 设置在网络入侵检测上的整体性能优于当代机器学习算法。
引用
@article{arxiv.2310.07354,
title = {Give and Take: Federated Transfer Learning for Industrial IoT Network Intrusion Detection},
author = {Lochana Telugu Rajesh and Tapadhir Das and Raj Mani Shukla and Shamik Sengupta},
journal= {arXiv preprint arXiv:2310.07354},
year = {2023}
}
备注
Accepted in IEEE International Conference on Trust, Security and Privacy in Computing and Communications (TrustCom)