好的，作为学术专家和期刊评审专家，我将严格遵循您的要求，对这篇论文进行专业的解读和分析。 中文标题 基于非独立同分布异构性下物联网安全事件验证的多数投票与学习阈值分数聚合对比研究

《Sensors》：Majority Voting Versus Learned-Threshold Score Aggregation for Verifying IoT Security Events Under Non-IID Heterogeneity

　　

物联网系统的入侵检测器通常针对单个设备或站点进行训练，因此验证层必须整合来自不同群体和基率的检测器的警报。本研究比较了将此类警报转化为决策的两种方法：采用固定阈值的多数投票，以及在标记校准数据上学习阈值的分数聚合。七个分别在TON_IoT数据集的不同设备群体上训练的检测器对56，000个共享事件进行了投票，并通过放大因子A将每条规则与事件本地的检测器进行比较。固定阈值多数投票放大了点估计中的误差（对于1-MCC，A=1.12），而学习阈值聚合则减小了误差（A≈0.62）；然而，设备级别的置信区间包含了中性值。具有学习阈值的等权重分数在可靠性、边际和混合加权规则上表现匹配，因此改进来自于阈值设定而非权重。在此设定下，大约500个标记的目标事件足以设定阈值，而源域可靠性估计的偏差高达0.31，尽管其95%抽样半宽度最多为0.02。增益集中在本地检测器较弱的设备上，并在自然患病率下缩小。在降级验证器下，固定阈值投票是最脆弱的规则。合成投票层夸大了放大效应，而联邦检测器显示共享阈值在领域偏移下失效。

论文解读文章

研究背景与意义

在物联网部署环境中，入侵检测面临严峻挑战。由于不同设备在协议、传感模式、流量和攻击暴露方面存在显著差异，单一模型难以胜任所有场景。实践中，常为每个设备族或站点训练独立的检测器。因此，需要一个下游的验证层来整合这些在不同群体上训练、且运行于不同基率的检测器所发出的警报。传统的做法是采用固定阈值的多数投票作为决策规则，但这在非独立同分布（Non-IID）的异构环境下是一个强假设。当检测器将其工作点迁移到基率不同的群体时，部分检测器可能对大多数事件投“正”，而另一些则几乎从不投票，使得半数多数阈值失去了原则性的依据。替代方案是将委员会输出视为一个分数（如正向投票的比例），然后在标记校准数据上学习决策阈值。本研究旨在对这两种决策规则——固定阈值多数投票与学习阈值分数聚合——进行系统的实证比较，其核心贡献在于解耦了权重分配与阈值设定的影响，并评估了该方法在多种现实条件下的泛化能力和鲁棒性。

研究方法概述

研究人员采用了基于TON_IoT数据集的七种物联网设备群体的原始遥测数据。他们分别为每个设备群体训练了一个直方图梯度提升分类器，构成一个由七个检测器组成的委员会。这七个检测器对一个包含56，000个事件的共享池进行评分，其中每个事件都来自某一特定设备，并以该设备的本地检测器作为性能参照。研究设计了一个跨设备类型的交叉检查层，用于模拟非独立同分布（Non-IID）异质性。关键的实验设计包括：将共享池分为校准集和评估集，在学习阈值规则中，阈值是在校准集上通过最大化马修斯相关系数（MCC）学习的。此外，研究还引入了合成投票层和联邦学习实验作为对照臂，以全面评估固定阈值失败的条件。

研究结果

4.1 验证器异质性、校准与误差依赖性

研究发现，七个检测器在共享池上的转移性能差异显著，其曲线下面积（AUC）从0.59到0.97不等。转移后的警报率范围很广（7%-92%），这是固定多数阈值无法适应的根源。校准图显示，部分检测器系统性低估风险，而源域可靠性估计普遍比在目标池上的真实可靠性乐观，最大偏差达到0.28。此外，检测器之间的误差并非独立，其有效独立数量约为4.2，表明名义上的委员会规模高估了独立证据量。

4.2 固定阈值多数投票 vs. 本地检测器

固定阈值多数投票（R1）相比本地检测器（R0）放大了错误，其马修斯相关系数（MCC）的放大因子A为1.12，主要原因是召回率大幅下降（从0.84降至0.49）。这表明多数投票的主要失败不在于增加误报，而在于降低了识别攻击的能力。设备级别的自助法分析显示，虽然点估计指示放大，但由于只有7个设备，无法在95%置信水平上确定这一结论。合成投票层实验表明，即使在匹配委员会规模的情况下，它也会夸大固定阈值多数投票的放大效应，因此不能完全代表真实检测器委员会的行为。

4.3 学习阈值分数聚合与加权的贡献

用学习到的阈值替换固定阈值后，结果发生了逆转。等权重基线（EW）通过学习阈值（设为2/7），将召回率提升至0.93，马修斯相关系数（MCC）的放大因子A降至0.65。各种加权规则（基于可靠性R2、边际R3、混合R4）的表现与等权重基线（EW）相当，配对设备级自助法差异的置信区间均包含零。这表明，区分两类规则的真正因素是应用于聚合分数的学习阈值，而非加权方式。所有学习阈值规则的点估计均优于本地检测器（R0），但在设备层面，马修斯相关系数（MCC）的放大因子A的置信区间上限达到了或超过了1。进一步分析发现，边际（margin）是一个微弱但方向正确的投票正确性指标，其效果主要通过结构性重新加权实现，即给予信号较强的检测器更高权重。

4.4 跨设备、自然患病率与未见设备的异质性

聚合带来的增益在不同设备间差异巨大。等权重基线（EW）改善了四个弱本地检测器设备的性能（如GPS追踪器、恒温器），但损害了三个强本地检测器设备的性能（如冰箱、运动灯）。这意味着聚合将最强检测器的优势传递给了弱检测器，但代价是牺牲了强检测器自身的性能。当评估事件被重新加权到自然设备规模和自然异常率时，所有规则的马修斯相关系数（MCC）下降，增益显著缩小，且阈值在低患病率下显得过于宽松。在留一设备交叉验证中，等权重基线（EW）因其低法定人数阈值而表现出稳定性，而加权规则则更不稳定。

4.5 校准集大小与可靠性和阈值估计的稳定性

源域可靠性估计的误差主要源于迁移偏差（transfer bias），而非抽样误差。所有7个检测器的源域估计值与目标池上的真实可靠性之间的差距，都大于其最大可能的95%抽样半宽度。在目标域，研究人员发现，约500个标记的目标事件就足以稳定地放置阈值。尽管在小样本下可靠性排序不稳定，但由于归一化压缩了差异，等权重基线（EW）的权重非常稳定。总体而言，在此设定下，部署所需的主要是几百个标记的目标事件来设定阈值，而在目标域重新估计可靠性并未带来优于等权重（EW）的提升。

4.6 降级验证器与不完美人工审核下的鲁棒性

在两种导致检测器性能严重下降的机制（过时和阈值偏置）下，固定阈值多数投票（R1）是最脆弱的规则，在所有受检子集中都出现放大（A>1）。相比之下，所有学习阈值规则的平均放大因子在多达5个席位受损时仍保持在1以下。在另一种机制（投毒）下，由于模拟的攻击强度不足以显著削弱检测器，所有规则都未出现放大。混合机制的结果介于各单一机制之间。关于人工审核，研究表明，审核员的准确性是关键因素。只有当审核员足够准确时，延迟决策才能带来显著收益；理想化的完美审核员会夸大延迟策略的好处。

4.7 补充实验：领域偏移下的联邦工作点失败

该独立实验使用逻辑回归模型和联邦平均算法（FedAvg）进行训练。结果表明，尽管模型在多个客户端上取得了良好的判别力（AUC）和聚合校准度，但其共享的全局阈值在患者监测（IoMT）领域的客户端上导致了马修斯相关系数（MCC）为零。这清晰地展示了，即使判别力和整体校准表现良好，一个共享的决策阈值也可能在异构领域下完全失效，这正是固定阈值多数投票不适用于委员会的根本机制。

结论与讨论

本研究通过严格的实证对比，揭示了在非独立同分布（Non-IID）的物联网安全验证场景下，采用学习阈值的分数聚合规则普遍优于固定阈值的多数投票。其核心改进来源于阈值的学习设定，而非复杂的加权方案。研究同时指出了该方法的局限性：增益主要集中在本地检测器较弱的设备上，且在自然（低）患病率下显著缩小；阈值需要一定量的目标域标记数据进行校准；在面对某些类型的降级检测器时，加权规则虽优于多数投票，但其鲁棒性也有限。研究结论强调，依赖固定阈值（尤其是简单的半数多数）的聚合策略在异构环境中具有根本性缺陷，而将委员会输出视为连续分数并学习其决策边界是一种更为稳健和有效的替代方案。