論文の概要: Federated Lightweight Intrusion Detection in Drone Swarms with Knowledge Distillation

• arxiv url: http://arxiv.org/abs/2607.17025v1
• Date: Sun, 19 Jul 2026 01:57:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.34017
• Title: Federated Lightweight Intrusion Detection in Drone Swarms with Knowledge Distillation
• Title（参考訳）: 知識蒸留によるドローン群におけるフェデレーション軽量侵入検知
• Abstract要約: ドローン群は、監視、災害対応、インフラ監視といった重要なアプリケーションにますますデプロイされている。 ドローンの環境や運用に特化して設計された侵入検知システム(IDS)への関心が高まっている。 深部ニューラルネットワーク(DNN)を知識蒸留(KD)により強化した,ドローン群ネットワークに適したFL型軽量IDSを提案する。 提案手法は,全体の通信コストを約70%削減し,計算オーバーヘッドを約29%削減すると共に,約98.6%の検出精度を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drone swarms are increasingly deployed in critical applications such as surveillance, disaster response, and infrastructure monitoring. However, their reliance on open communication channels and their limited computational resources make them vulnerable to a wide range of cyber-threats. There is a growing interest in intrusion detection systems (IDS) specifically designed for drone environments and operations. However, the conventional solutions including Machine Learning (ML)-based approaches require collecting all data from heterogeneous drones in the swarm and processing on a central server may not be always feasible. Federated Learning (FL) has emerged as a promising distributed solution with an additional privacy-preserving feature. Even though potential studies exist, conventional FL-based IDS frameworks still face communication and computational overhead challenges, while achieving a balance between efficiency and effective detection under practical resource constraints remains a challenge. Therefore, we propose a lightweight FL-based IDS tailored for drone swarm networks using deep neural networks (DNN) enhanced with knowledge distillation (KD) to reduce model complexity and communication costs without sacrificing detection performance. We evaluate our framework using Raspberry Pi 4 devices and a real-world drone network dataset. Our approach demonstrates a detection accuracy of approximately 98.6% while reducing overall communication cost by around 70% and computational overhead by 29%. These results show that FL combined with KD is a practical and suitable solution for secure and efficient deployment in resource-constrained drone networks.
• Abstract（参考訳）: ドローン群は、監視、災害対応、インフラ監視といった重要なアプリケーションにますますデプロイされている。 しかし、オープンな通信チャネルや限られた計算資源に依存しているため、幅広いサイバー脅威に対して脆弱である。 ドローンの環境や運用に特化して設計された侵入検知システム(IDS)への関心が高まっている。 しかし、機械学習(ML)ベースのアプローチを含む従来のソリューションでは、Swarm内の異種ドローンからすべてのデータを収集する必要がある。 フェデレートラーニング(FL)は、さらなるプライバシー保護機能を備えた有望な分散ソリューションとして登場した。 潜在的研究はあるものの、従来のFLベースのIDSフレームワークは通信と計算オーバーヘッドの課題に直面しているが、実際の資源制約下での効率と効果的な検出のバランスは依然として課題である。 そこで本研究では,知識蒸留(KD)により強化された深層ニューラルネットワーク(DNN)を用いて,検出性能を犠牲にすることなく,モデルの複雑さと通信コストを低減するために,ドローン群ネットワークに適した軽量なFLベースIDSを提案する。 Raspberry Pi 4デバイスと実世界のドローンネットワークデータセットを用いて,我々のフレームワークを評価した。 提案手法は,全体の通信コストを約70%削減し,計算オーバーヘッドを約29%削減すると共に,約98.6%の検出精度を示す。 これらの結果から, FLとKDを組み合わせることは, 資源制約型ドローンネットワークの安全かつ効率的な展開のための実用的かつ適切なソリューションであることが示唆された。

関連論文リスト

• Federated Learning for Object Detection: Enabling Collaborative Drone Learning Without Centralizing Data [0.44333156307871574]
  分散ドローンにおける物体検出のためのフェデレートラーニング(FL)を提案する。 FLは、データ集中化なしで、スケーラブルでハイパフォーマンスでプライバシ保護のオブジェクト検出を可能にする。 その結果、FLはデータ集中化なしで、分散ドローン群全体にわたってスケーラブルでハイパフォーマンスでプライバシ保護されたオブジェクト検出を可能にする。
  論文  参考訳（メタデータ） (2026-07-02T15:32:37Z)
• Empowering IoT Security: On-Device Intrusion Detection in Resource Constrained Devices [2.6579369175321155]
  本研究は、ニューラルネットワークを用いてサイバー脅威を識別する決定木法を用いて、機械学習アルゴリズムを利用して、99%の顕著な検出精度を達成し、96%のニューラルネットワークを用いてサイバー脅威を識別する軽量モデルを提案する。 決定木法は高い精度を提供するが、より計算資源を必要とする一方、ニューラルネットワークのアプローチは、わずかに精度が低いにもかかわらず、よりメモリ効率が高い。
  論文  参考訳（メタデータ） (2026-05-13T08:23:17Z)
• FRIEND: Federated Learning for Joint Optimization of multi-RIS Configuration and Eavesdropper Intelligent Detection in B5G Networks [3.809709581796032]
  We present a novel framework for detection malicious users in RIS-enhanced cell-free mmWave network using Federated Learning (FL) using Federated Learning (FL)。 FLとMulti-RISの連携は,ベースライン非RIS支援法と比較して,達成された秘密保持率(SR)を約30%向上させることを示した。 この研究は、次世代IIoTデプロイメントに適した物理的レイヤの盗聴検出に対する、分散されたプライバシ保護アプローチを確立する。
  論文  参考訳（メタデータ） (2026-03-11T17:02:40Z)
• Security-Aware Joint Sensing, Communication, and Computing Optimization in Low Altitude Wireless Networks [83.84711311344918]
  I SCCは低高度無線ネットワーク(LAWN)の中核部の一つである。 本稿では,通信の秘密性を考慮したI SCCの連成性能最適化について検討する。 進化的最適化の目的に応じて進化的演算子を適応的に選択する深層Q-network(DQN)に基づく多目的進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-03T11:06:41Z)
• Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
  本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。 バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2025-08-21T02:46:46Z)
• Efficient Denial of Service Attack Detection in IoT using Kolmogorov-Arnold Networks [22.036794530902608]
  本稿では,KAN(Kolmogorov-Arnold Networks)に基づくDoS攻撃検出の新しい軽量アプローチを提案する。 Kanは、最小限のリソース要件を維持しながら、最先端の検知性能を達成する。 既存のソリューションと比較して、kanは競合検出率を維持しながら、メモリ要求を最大98%削減する。
  論文  参考訳（メタデータ） (2025-02-03T21:19:46Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Homomorphic Encryption-Enabled Federated Learning for Privacy-Preserving Intrusion Detection in Resource-Constrained IoV Networks [20.864048794953664]
  本稿では,IoV(Internet-of-Vehicles)におけるフェデレーション学習(FL)ベースの侵入検知システム(IDS)におけるデータプライバシ問題に,限られた計算資源で対処する新しい枠組みを提案する。 まず,同相暗号を用いた高効率なフレームワークを提案し,処理に中央集中型サーバにオフロードを必要とするデータを保護する。 我々は、FLベースのシステムの課題を暗号化データで処理するための効果的なトレーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-07-26T04:19:37Z)
• 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)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。