論文の概要: Federated PCA on Grassmann Manifold for IoT Anomaly Detection

• arxiv url: http://arxiv.org/abs/2407.07421v1
• Date: Wed, 10 Jul 2024 07:23:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 17:31:45.685865
• Title: Federated PCA on Grassmann Manifold for IoT Anomaly Detection
• Title（参考訳）: IoT異常検出のためのグラスマン多様体上のフェデレーションPCA
• Authors: Tung-Anh Nguyen, Long Tan Le, Tuan Dung Nguyen, Wei Bao, Suranga Seneviratne, Choong Seon Hong, Nguyen H. Tran,
• Abstract要約: 従来の機械学習ベースの侵入検知システム(ML-IDS)にはラベル付きデータの要求のような制限がある。 AutoEncodersやGenerative Adversarial Networks (GAN)のような最近の教師なしML-IDSアプローチは代替ソリューションを提供する。 本稿では,分散データセットの共通表現を学習するフェデレーション型非教師付き異常検出フレームワークであるFedPCAを提案する。
• 参考スコア（独自算出の注目度）: 23.340237814344384
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: With the proliferation of the Internet of Things (IoT) and the rising interconnectedness of devices, network security faces significant challenges, especially from anomalous activities. While traditional machine learning-based intrusion detection systems (ML-IDS) effectively employ supervised learning methods, they possess limitations such as the requirement for labeled data and challenges with high dimensionality. Recent unsupervised ML-IDS approaches such as AutoEncoders and Generative Adversarial Networks (GAN) offer alternative solutions but pose challenges in deployment onto resource-constrained IoT devices and in interpretability. To address these concerns, this paper proposes a novel federated unsupervised anomaly detection framework, FedPCA, that leverages Principal Component Analysis (PCA) and the Alternating Directions Method Multipliers (ADMM) to learn common representations of distributed non-i.i.d. datasets. Building on the FedPCA framework, we propose two algorithms, FEDPE in Euclidean space and FEDPG on Grassmann manifolds. Our approach enables real-time threat detection and mitigation at the device level, enhancing network resilience while ensuring privacy. Moreover, the proposed algorithms are accompanied by theoretical convergence rates even under a subsampling scheme, a novel result. Experimental results on the UNSW-NB15 and TON-IoT datasets show that our proposed methods offer performance in anomaly detection comparable to nonlinear baselines, while providing significant improvements in communication and memory efficiency, underscoring their potential for securing IoT networks.
• Abstract（参考訳）: IoT(Internet of Things)の普及とデバイスの相互接続性の増大により、ネットワークセキュリティは特に異常な活動から、重大な課題に直面している。 従来の機械学習ベースの侵入検知システム(ML-IDS)は、教師付き学習手法を効果的に採用しているが、ラベル付きデータの要件や高次元の課題といった制限がある。 AutoEncodersやGenerative Adversarial Networks (GAN)のような最近の教師なしML-IDSアプローチは、代替ソリューションを提供するが、リソース制約のIoTデバイスへのデプロイや解釈可能性に課題をもたらす。 これらの問題に対処するため,本研究では,主成分分析(PCA)と交互方向法乗算器(ADMM)を活用して,分散データセットの共通表現を学習する,新しい非教師付き異常検出フレームワークであるFedPCAを提案する。 FedPCA フレームワークに基づいて、ユークリッド空間上の FEDPE とグラスマン多様体上の FEDPG という2つのアルゴリズムを提案する。 当社のアプローチは,デバイスレベルでのリアルタイムな脅威検出と緩和を可能にし,プライバシーを確保しつつネットワークのレジリエンスを向上させる。 さらに,提案アルゴリズムは, サブサンプリング方式の下でも理論収束率を伴い, 新たな結果を得た。 UNSW-NB15とTON-IoTデータセットの実験結果から,提案手法は非線形ベースラインに匹敵する異常検出性能を提供するとともに,通信とメモリ効率の大幅な向上を実現し,IoTネットワークの安全性を実証する。

関連論文リスト

• HUWSOD: Holistic Self-training for Unified Weakly Supervised Object Detection [66.42229859018775]
  我々は,HUWSOD(HuWSOD)と呼ばれる,統一・高容量弱教師付きオブジェクト検出(WSOD)ネットワークを導入する。 HUWSODには、自己管理された提案生成器と、従来のオブジェクト提案を置き換えるために、マルチレートで再構成されたピラミッドを備えたオートエンコーダ提案生成器が組み込まれている。 提案手法は,よく設計されたオフラインオブジェクト提案と大きく異なるが,WSOD訓練には有効であることを示す。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems [1.749521391198341]
  日々の生活にIoT(Internet of Things)アプリケーションを統合することで、データトラフィックが急増し、重大なセキュリティ上の問題が発生しています。 本稿では、コストと精度のバランスの取れたトレードオフを見つけるための新しい手法を導入することにより、エッジレベルでのMLベースのIDSの有効性を向上させることに焦点を当てる。
  論文  参考訳（メタデータ） (2024-04-29T21:26:18Z)
• EG-ConMix: An Intrusion Detection Method based on Graph Contrastive Learning [4.140068761522124]
  本稿では,E-GraphSAGEに基づくEG-ConMix方式を提案する。 EG-ConMixは、大規模グラフのトレーニング速度と精度において大きな利点がある。
  論文  参考訳（メタデータ） (2024-03-24T04:09:48Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Adversarial Client Detection via Non-parametric Subspace Monitoring in the Internet of Federated Things [3.280202415151067]
  Internet of Federated Things (IoFT)は、フェデレート学習をバックボーンとする相互接続システムのネットワークである。 本稿では、敵攻撃問題に対処する効果的な非パラメトリックアプローチFedRRを提案する。 提案手法は,敵のクライアントを正確に検出し,攻撃が起こらないシナリオ下での誤報率を制御する。
  論文  参考訳（メタデータ） (2023-10-02T18:25:02Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Federated PCA on Grassmann Manifold for Anomaly Detection in IoT Networks [19.861389496676964]
  主成分分析(PCA)は、異常検出のための正常かつ悪意のある動作に対応する2つの非結合部分空間にネットワークトラフィックを分離するために提案されている。 異常検出のための正常なネットワーク動作の結合プロファイルを集約するためにIoTデバイスをコーディネートする,PCAベースのGrassmannian最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-23T03:11:56Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。