利用Kolmogorov-Arnold网络（KANs）优化物联网威胁检测
机器学习
2025-09-12 v1 密码学与安全
摘要
物联网（IoT）的指数级增长导致违背感知威胁的出现，IoT网络已成为网络攻击的主要目标。本研究考察了Kolmogorov-Arnold网络（KANs）作为传统机器学习模型用于IoT网络入侵检测的潜在替代方案。该研究表明，KANs采用可学习激活函数，能够超越传统的多层感知机（MLP），在准确率上与随机森林和XGBoost等最先进模型保持竞争力，同时为IoT网络的入侵检测提供了更好的可解释性。
引用
@article{arxiv.2508.05591,
title = {Optimizing IoT Threat Detection with Kolmogorov-Arnold Networks (KANs)},
author = {Natalia Emelianova and Carlos Kamienski and Ronaldo C. Prati},
journal= {arXiv preprint arXiv:2508.05591},
year = {2025}
}
备注
13 pages