基于Grassmann流形的微秒级联邦SVD用于实时物联网入侵检测
信号处理
2025-10-22 v1
摘要
本文介绍了FedSVD，一种新颖的无监督联邦学习框架，用于物联网网络中的实时异常检测。通过利用奇异值分解（SVD）和Grassmann流形上的优化，FedSVD能够在不依赖标签数据或集中式数据共享的情况下，准确检测已知和未知入侵。该方法专为在低功耗设备（如NVIDIA Jetson AGX Orin）上部署而设计，显著降低了通信开销和计算成本。实验结果表明，FedSVD在实现与深度学习基线相当的性能的同时，将推理延迟降低了10倍以上，使其适用于对延迟敏感的物联网应用。
引用
@article{arxiv.2510.18501,
title = {Microsecond Federated SVD on Grassmann Manifold for Real-time IoT Intrusion Detection},
author = {Tung-Anh Nguyen and Van-Phuc Bui and Shashi Raj Pandey and Kim Hue Ta and Nguyen H. Tran and Petar Popovski},
journal= {arXiv preprint arXiv:2510.18501},
year = {2025}
}