随着网络攻击手段的日益复杂,传统集中式入侵检测面临前所未有的挑战.基于联邦学习 的协同入侵检测在不共享原始数据的前提下实现多节点协同建模与知识共享,能够有效提升对跨域 攻击和未知攻击的检测能力.系统综述了联邦学习协同入侵检测的研究进展,从架构感知型、模型适 应与演化驱动型以及隐私与安全增强型等多个维度,对现有研究方法进行了分类与分析,并总结了 常用数据集与评估指标.最后,探讨了基于联邦学习的网络协同入侵检测面临的主要挑战与未来发 展方向.旨在为联邦学习协同入侵检测方法的系统化分类与深入研究提供参考.

1 FL与CIDS

2 基于FL的网络协同入侵检测研究

3 网络联邦入侵检测常用数据集

4 基于FL的网络联邦协同入侵检测趋势与挑战

5 结语