在物联网中，联网设备越来越容易受到各种网络攻击的威胁。现有算法大多采用集中式训练方式，这可能会造成通信成本增加和数据隐私的泄露。此外，传统的模型训练方式无法识别新的未标记的攻击类型。为了解决这个问题，北京航空航天大学王薇教授团队撰写了研究论文：基于区块链和联邦学习的物联网流量入侵检测算法。
文章信息
标 题：
Blockchain based federated learning for intrusion detection for Internet of Things
引用格式：
Nan SUN, Wei WANG, Yongxin TONG, Kexin LIU. Blockchain based federated learning for intrusion detection for Internet of Things. Front. Comput. Sci., 2024, 18(5): 185328
阅读原文：
文章概述
本文提出了一种分布式联邦入侵检测方法，利用标签数据中的信息作为先验知识，来发现新的未标记攻击类型。该方法经过公共数据集的验证和测试，相较于现有研究结果，能够确保训练的安全性并发现新的攻击类型。
基于区块链的联邦学习模型
技术步骤
为了在本地模型训练过程中检测未知的攻击类型，整个模型训练过程包括三个阶段：预训练阶段、新攻击类型发现阶段和全局模型训练阶段。每个实体都采用端到端聚类算法，通过采用数据集的时空特征差异来区分不同的攻击类型。实验是在AWID数据集上进行的。
实验结果
实验证据显示，与现有的研究方法相比，所提出的方法能更好地保证训练的安全性，并可以发现新的攻击类型。未来的工作可以专注于开发一种计算效率更高的模型共识机制，以支持物联网的实时需求。
相关内容推荐：
文章精要 | 中国科学技术大学何向南教授团队：图卷积如何放大流行度偏差？ 2024 18(5): 185603
文章精要 | 华中科技大学郑龙副教授团队：ARCHER：基于ReRAM的压缩推荐系统加速器 2024 18(5): 185607
文章精要 | 东北大学张天成副教授团队：一种同时追踪大量知识概念掌握概率的概率生成模型 2024 18(3): 183402
文章精要 | 合肥工业大学吴信东教授团队：采用分层注意力网络的联合用户画像 2023 17(3): 173608
文章精要 | 中山大学朱怀杰团队：最稀疏群体查询 2023 17(2): 172605
文章精要 | 东北大学张天成团队：认知诊断模型的新进展 2023 17(1): 171604
文章精要 | 东北大学乔百友团队：一种基于PredRNN结合注意力机制的有效海表温集成学习预测方法 2023 17(1): 171601
CCF 推荐B类期刊；
SCI、Ei等收录；
中国科技期刊卓越行动计划梯队类期刊。
IF 3.4
高等教育出版社 北京航空航天大学
共同主办
《前沿》系列英文学术期刊
由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。
《前沿》系列英文学术期刊 中国学术前沿期刊网 http://journal.hep.com.cn/ |
