联邦学习与氨基酸编码在物联网恶意软件检测中的比较研究:以案例研究为例

《Big Data and Cognitive Computing》:A Comparative Study of Federated Learning and Amino Acid Encoding with IoT Malware Detection as a Case Study Thaer AL Ibaisi, Stefan Kuhn, Muhammad Kazim, Ismail Kara, Turgay Altindag and Mujeeb Ur Rehman

【字体: 大 中 小 】 时间:2026年04月08日 来源:Big Data and Cognitive Computing 4.4

编辑推荐:

  物联网(IoT)设备部署的日益增加引入了重大的安全挑战,而隐私问题限制了用于入侵检测的集中式数据聚合。联邦学习(FL)提供了一种去中心化的替代方案,然而,在物联网恶意软件检测中,特征表示、模型架构与数据异构性之间的相互作用仍未被充分理解。本研究利用 CTU–I

  
物联网(IoT)设备部署的日益增加引入了重大的安全挑战,而隐私问题限制了用于入侵检测的集中式数据聚合。联邦学习(FL)提供了一种去中心化的替代方案,然而,在物联网恶意软件检测中,特征表示、模型架构与数据异构性之间的相互作用仍未被充分理解。本研究利用 CTU–IoT–Malware–Capture 数据集的 10,000 个样本子集,在独立同分布(IID)和非独立同分布(Non-IID)条件下,对集中式学习和联邦学习进行了受控比较分析,其中可选地使用了氨基酸编码。首先,研究人员评估了原始表格特征与基于氨基酸的特征编码,随后在二分类和多分类任务中,对比了轻量级多层感知机(2882 个参数)与更深层的残差网络(70,532 个参数)。在二分类设置中,集中式训练的准确率最高达到 98.6%,而联邦 IID 训练也达到了 98.6%,差异在统计方差范围内。在 Non-IID 条件下,性能略有下降(0.1–0.5 个百分点),且使用编码特征时的准确率始终低于原始特征。这种性能下降在更深层的架构中较小,可能在高偏斜的联邦条件下提供改进的稳定性。在四分类设置中,复杂网络在使用原始特征时准确率最高达到 97.8%,而氨基酸编码最高达到 93.3%。结果表明,联邦学习在中等异构性下可以实现与集中式训练相当的性能;对于低维物联网流量特征,轻量级架构已足够;通过氨基酸编码进行的特征压缩并不能从本质上缓解 Non-IID 效应。这些发现阐明了在实际的基于联邦学习的物联网入侵检测系统中,表示、异构性和架构容量的相对影响。
**联邦学习与特征编码在物联网入侵检测中的交互机制研究解读**

随着物联网(IoT)设备的广泛部署,网络安全威胁日益严峻,传统的集中式学习模式因涉及隐私保护和数据孤岛问题而面临挑战。联邦学习(FL)作为一种分布式机器学习范式,允许在不共享原始数据的前提下协同训练模型,成为解决上述问题的关键方案。然而,当前研究对于在物联网恶意软件检测场景下,特征表示方法、模型架构复杂度以及数据分布异构性(Non-IID)三者之间如何相互影响尚缺乏系统性理解。特别是,生物启发式的氨基酸编码技术是否能在联邦环境中有效压缩特征并提升鲁棒性,以及深层网络是否能弥补特征压缩带来的信息损失,仍是未解之谜。为此,研究人员在《Big Data and Cognitive Computing》期刊上发表了题为"A Comparative Study of Federated Learning and Amino Acid Encoding with IoT Malware Detection as a Case Study"的研究论文,旨在通过严格的对比实验,量化分析这些因素对检测性能的综合影响。

本研究采用了严谨的实验设计,主要关键技术方法包括:首先,选用 CTU–IoT–Malware–Capture 数据集的子集(10,000 个样本),涵盖 14 类攻击及良性流量,并构建了 IID 和基于狄利克雷分布(Dirichlet distribution)的 Non-IID 两种数据划分场景以模拟真实异构环境。其次,引入了两种特征表示策略:一是包含 11 个维度的原始网络流量特征;二是氨基酸编码特征,该方法将数值型网络特征转换为 ASCII 码,再映射为二十进制氨基酸序列,并利用 Biopython 提取分子量、芳香性等 10 种理化性质作为新特征。最后,构建并对比了两种神经网络架构:一是包含约 2882 个参数的轻量级多层感知机(MLP);二是包含约 70,532 个参数的深层残差神经网络(ResNet)。实验基于 PyTorch 框架,采用 FedAvg 聚合算法,在集中式、联邦 IID 及联邦 Non-IID 三种模式下进行了多轮次训练与评估。

**实验结果分析**

**1. 轻量级架构下的性能表现(Experiment 1)**
在二分类任务中,研究人员首先测试了简单 MLP 架构。结果显示,在使用原始特征时,集中式训练与联邦 IID 训练的准确率均高达 98.6%,两者无显著统计差异。即便在 Non-IID 条件下,性能下降幅度极小(<0.5%),表明轻量级模型在联邦环境下具有良好的稳定性。然而,当引入氨基酸编码后,所有配置下的准确率均下降了约 5-6 个百分点(降至 92%-93% 区间),且 Non-IID 条件下的性能略低于 IID 条件。这证明特征编码过程引入了不可逆的信息损失,且简单架构难以完全补偿这一损失。

**2. 深层残差网络的表现与局限性(Experiment 2 & 3)**
随后,研究人员采用了更复杂的残差网络进行实验。在二分类任务中,原始特征下的集中式准确率为 98.0%,联邦 IID 为 97.4%,但在严重 Non-IID 条件下,性能显著下降至 80.0%。值得注意的是,氨基酸编码在此处并未表现出预期的正则化优势,其 Non-IID 条件下的准确率同样大幅下滑至 81.5%。在扩展至四分类任务(Experiment 3)时,原始特征下的联邦学习表现依然稳健(准确率约 97.8%),而氨基酸编码的准确率维持在 93.3% 左右。对比发现,虽然深层网络参数量是 MLP 的 24 倍,但在处理低维表格数据时,并未带来显著的性能提升,反而在严重数据倾斜时表现出更高的敏感性。

**3. 特征表示与架构的交互影响**
跨实验对比表明,特征表示形式对最终性能的影响权重远大于模型架构的选择。氨基酸编码虽然实现了特征的标准化和一定程度的压缩,但其导致的信息丢失是系统性的,深层网络无法有效弥补这一缺陷。此外,统计显著性测试证实,集中式与联邦式学习在 IID 及轻度 Non-IID 下的差异不显著,但在严重 Non-IID 且使用原始特征的二分类任务中,性能下降具有统计显著性。

**结论与讨论**
研究结论部分指出,联邦学习在中等数据异构性下能够实现与集中式学习相当的性能,证实了其作为隐私保护型物联网入侵检测方案的可行性。对于低维物联网流量特征,轻量级 MLP 架构已足以捕捉决策边界,盲目增加模型深度不仅无法显著提升准确率,反而大幅增加计算与通信开销。氨基酸编码作为一种特征压缩手段,虽然提供了统一的表示空间,但会引入可测量的性能折衷,且不能从根本上解决 Non-IID 带来的聚合难题。研究人员强调,未来的工作应聚焦于开发针对网络流量特性定制的特征编码方案,探索适应高度异构数据的自适应聚合策略(如 FedProx、SCAFFOLD 等),并在更多样化的数据集上验证泛化能力,而非单纯依赖增加模型复杂度或生搬硬套生物编码机制。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号