基于联邦学习的物联网环境黑洞攻击防护研究

物联网中连接设备易遭安全攻击，尤其黑洞（BH）攻击威胁显著。研究人员开展基于联邦学习的防 BH 攻击协议研究，实验表明该方案可智能检测攻击、隔离恶意节点，提升网络效率与检测准确性，为物联网安全防护提供新路径。

　　

物联网（Internet of Things）实现了物品的泛在自动化，让人类生活更便捷。在互联环境中部署的传感器可感知媒介并驱动控制系统，无需人工干预。然而，这些微型互联设备易遭受严重安全攻击。鉴于物联网在日常生活中日益重要，保障系统高效运行的安全性至关重要。
本文提出一种基于安全联邦学习（Federated Learning）的协议，用于缓解网络中的黑洞（BH）攻击。实验结果证明，智能网络能够检测黑洞攻击并隔离节点，从而提高网络效率。所提出的技术在存在恶意节点的情况下显示出更高的准确性。研究还通过改变攻击频率时间对性能进行了评估。