基于联邦学习的分布式物联网设备识别方法

来源：计算机工程与应用杂志2024年第23期北京时间：

作者：邹徐熹, 周忠冉, 王虹岚, 李飞, 顾亚林, 魏训虎, 李静

单位：1.南京南瑞信息通信科技有限公司，南京 211106；2.南京航空航天大学 计算机科学与技术学院/人工智能学院，南京 211106

摘要：传统物联网设备识别方法通常采用集中式训练方式，将边缘设备的私有流量集中部署在中央服务器中用于学习指纹提取与识别，但集中式训练存在着数据隐私问题以及单点故障问题。针对上述问题，提出了基于联邦学习的分布式物联网设备识别方法。在边缘设备方面，提出了轻量级设备指纹识别模型，提取网络流量会话中的时序信息以及特征间信息以生成可识别的指纹，并训练一个高效的分类器实现指纹识别；在中央服务器方面，设计了基于生成式知识蒸馏的异构联邦学习算法，通过训练变分生成器以无代理数据的方式集成本地信息并利用集成知识指导局部模型，从而解决分布式场景下的统计异构问题。在四个公开的基准数据集上进行了大量实验，通过与先进的联邦学习方法及设备指纹识别方法进行比较与分析，验证了所提方法对于提升分布式物联网设备识别准确率及效率的有效性。

关键词：物联网设备识别,设备指纹,联邦学习,知识蒸馏