-
题名面向异构环境的物联网入侵检测方法
- 1
-
-
作者
刘静
慕泽林
赖英旭
-
机构
北京工业大学信息学部
智能感知与自主控制教育部工程研究中心
-
出处
《通信学报》
EI
CSCD
北大核心
2024年第4期114-127,共14页
-
基金
国家自然科学基金资助项目(No.62372017)。
-
文摘
为了解决物联网设备在资源受限和数据非独立同分布(Non-IID)时出现的训练效率低、模型性能差的问题,提出了一种个性化剪枝联邦学习框架用于物联网的入侵检测。首先,提出了一种基于通道重要性评分的结构化剪枝策略,该策略通过平衡模型的准确率与复杂度来生成子模型下发给资源受限客户端。其次,提出了一种异构模型聚合算法,对通道采用相似度加权系数进行加权平均,有效降低了Non-IID数据在模型聚合中的负面影响。最后,网络入侵数据集BoT-IoT上的实验结果表明,相较于现有方法,所提方法能显著降低资源受限客户端的时间开销,处理速度提升20.82%,并且在Non-IID场景下,入侵检测的准确率提高0.86%。
-
关键词
联邦学习
入侵检测
模型剪枝
非独立同分布
-
Keywords
federated learning
intrusion detection
model pruning
Non-IID
-
分类号
TP302
[自动化与计算机技术—计算机系统结构]
-
