FreeBeacon: Efficient Communication and Data Aggregation in Battery-Free IoT
针对无电池物联网中环境能量不可预测导致的设备间歇性通信与数据聚合难题，提出引入少量电池供电信标提供系统确定性的 FreeBeacon 方案，实现高效通信与鲁棒数据聚合，效率较现有方法提升一个数量级。
2025-04-30 cs.NI
Adaptive Meta-Aggregation Federated Learning for Intrusion Detection in Heterogeneous Internet of Things
Department of Computer Engineering and Information Technology, Razi University（拉齐大学计算机工程与信息技术系）
本文提出自适应元聚合联邦学习方法，用于提升异构物联网中的入侵检测性能，实验表明其在多个数据集上均优于现有方法。
2026-02-13 cs.NI
Q-Learning-Based Time-Critical Data Aggregation Scheduling in IoT
Convergence Research Institute, Sungkyunkwan University, Suwon, South Korea（顺天大学 convergence 研究院，韩国首尔南）；School of Electrical and Electronic Engineering, Hanoi University of Science and Technology, Hanoi, Vietnam（河内科学技术大学电气与电子工程学院，越南河内）；Dept. of Electrical and Computer Engineering, Sungkyunkwan University, Suwon, South Korea（顺天大学电气与计算机工程系，韩国首尔南）
本文提出基于Q学习的物联网时间敏感数据聚合调度框架，通过动态学习最优调度策略，实现低延迟的数据聚合。
2025-10-29 cs.LG cs.NI
Efficient Clear Air Turbulence Avoidance Algorithms using IoT for Commercial Aviation
随着商业航空在过去几十年的发展，已经有许多旨在提高飞行操作效率以及安全和安保的应用。这些应用中有许多是基于从飞行中收集的数据;这些数据通常是从飞机上可用的各种传感器中获取的。在飞机上的电气和电子设备中有许多传感器，其中大多数对于其正常运行至关重要。由于传感器在飞机的整个运动时间内都在工作，因此在每次飞行期间都会收集大量数据。通常情况下，大部分收集的数据存储在飞机上的存储设备上，并在以后进行分析和研究，以用于研究目的，重点是改善航空公司的运营和有效地维护航空公司的运营。在某些情况下，当在飞行过程中有数据传输时，它是在飞机和空中交通管制（ATC）塔台之间进行的，该塔台充当基站。配备所有这些传感器的飞机可以收集和交换数据，形成物联网（IoT）的框架。检测和避免任何形式的飞机湍流是至关重要的;它增加了乘客和飞机的安全，同时降低了航空公司的运营成本。因此，在本文中，我们研究了基于飞机物联网框架检测和避免晴空湍流（CAT）的技术，CAT是一种特定类型的湍流。我们提出的算法，考虑在一个特定的区域内的飞机之间的直接和间接的通信。使用模拟结果，我们表明，我们提出的使用物联网框架的直接通信技术比涉及通过单个ATC塔和多个ATC塔进行无线电通信的传统技术更快。
2018-03-19 cs.NI
Toward SATVAM: An IoT Network for Air Quality Monitoring
空气污染是印度仅次于营养不良的第二大公共健康风险。由于缺乏空间和时间分布的空气质量信息，无法对其对人类健康和国民经济的影响进行科学研究。在本文中，我们提出了我们对SATVAM的初步努力，空气质量监测的时间变量流分析，旨在解决这一差距。我们介绍了多学科，多机构的项目和一些关键的物联网技术使用。这些跨越了气体传感器与无线微尘封装的硬件集成，使用6LoWPAN和RPL的无线传感器网络设计，以及与云后端的集成，用于数据采集和分析。我们初步部署的结果将为改进设计提供信息，从而实现城市规模的可负担和可管理的监测。这将导致数据驱动的城市空气质量管理政策。
2018-11-19 cs.NI
A Threshold Homomorphic Blockchain Architecture for Secure and Scalable IoT Sensor Data Aggregation
Telecom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院）
针对物联网传感器聚合的安全可扩展需求，提出拓扑感知同态区块链架构Phi-PHE-BC，结合门限Paillier解密与图分析，在Hyperledger Fabric 2.5上实现低延迟，为物联网数据聚合提供实用方案。
2026-08-25 cs.CR cs.NI
One-Bit Over-the-Air Aggregation for Communication-Efficient Federated Edge Learning: Design and Convergence Analysis
联合边缘学习（FEEL）是用于使用分布在边缘设备（例如，智能手机和传感器），而不会损害他们的隐私。在FEEL框架中，边缘设备定期向边缘服务器发送高维随机梯度，在边缘服务器中，这些梯度被聚合并用于更新全局模型。当边缘设备共享相同的通信介质时，从设备到边缘服务器的多址接入信道（MAC）引起通信瓶颈。为了克服这个瓶颈，最近已经提出了一种有效的宽带模拟传输方案，其特征在于经由无线介质的波形叠加属性聚合模拟调制梯度（或局部模型）。然而，假定的线性模拟调制使得难以在专门使用数字调制的现代无线系统中部署该技术。为了解决这个问题，我们在这项工作中提出了一种新的数字版本的宽带空中聚合，称为一位宽带数字聚合（OBDA）。新方案的特点是在边缘设备处进行一位梯度量化，然后进行数字正交幅度调制（QAM），并在边缘服务器处进行基于空中多数表决的解码。我们提供了一个全面的分析无线信道敌对行动（信道噪声，衰落和信道估计误差）的收敛速度的建议FEEL计划的影响。分析表明，敌对行为通过在梯度范数中引入比例因子和偏置项，减缓了学习过程的收敛速度。然而，我们发现，所有的负面影响消失的参与设备的数量的增长，但在不同的速度为每种类型的渠道敌意。
2020-12-02 cs.DC cs.IT cs.NI
Incremental Firmware Update Over-the-Air for Low-Power IoT Devices over LoRaWAN
由于许多物联网通信协议的限制，有效地支持物联网（IoT）设备中的远程固件更新仍然是一个重大挑战，这通常使得传输完整的固件映像变得不切实际。已经引入了诸如固件分区之类的技术来缓解这个问题，但是它们经常达不到要求，特别是在时间和能量限制很关键的电池供电系统中。因此，通常仍然需要物理维护干预，这在大规模部署中是昂贵且不方便的。在这项工作中，我们提出了一个轻量级的和创新的方法，通过生成高度紧凑的增量补丁，使固件重建直接在设备上，以解决这一挑战。我们的算法专门针对低功耗设备进行了优化，最大限度地减少了内存使用和计算开销。与现有的解决方案相比，我们的方法显着减少了更新所需的数据量，同时保持与更复杂的替代方案相当的性能。实验评估证实，我们的方法节省了大量的时间和能源，特别适合电池供电的物联网节点。虽然我们的实现针对LoRaWAN协议，但该方法非常灵活，可以适应其他物联网通信技术。
2025-07-07 cs.NI cs.SY eess.SY
FedMADE: Robust Federated Learning for Intrusion Detection in IoT Networks Using a Dynamic Aggregation Method
针对联邦学习在物联网入侵检测中面临的数据异构、类别不平衡及鲁棒性问题，提出动态聚合方法FedMADE，通过按流量聚类和按贡献聚合提升少数类攻击准确率，兼具抗投毒性和低开销。
2024-08-13 cs.CR cs.NI
Graph Signal Reconstruction Techniques for IoT Air Pollution Monitoring Platforms
Universitat Politecnica de Catalunya（加泰罗尼亚理工大学）
空气污染监测平台在预防和减轻污染影响方面发挥着非常重要的作用。图形信号处理领域的最新进展使得使用图形描述和分析空气污染监测网络成为可能。主要应用之一是使用传感器的子集在图中重建测量信号。使用来自传感器邻居的信息重建信号可以帮助提高网络数据的质量，例如用相关的邻居节点填充丢失的数据，或者用更准确的邻居传感器校正漂移的传感器。本文比较了使用各种类型的图形信号重建方法应用于西班牙空气污染参考站的真实数据集。所考虑的方法是拉普拉斯插值，图形信号处理低通为基础的图形信号重建，和基于核的图形信号重建，并在实际的空气污染数据集测量O3，NO2，和PM10进行了比较。的方法来重建污染物的信号的能力，以及这种重建的计算成本。结果表明基于核的图信号重构方法的优越性，以及该方法在具有大量低成本传感器的空气污染监测网络中的缩放困难。然而，我们表明，可扩展性可以克服简单的方法，如分区网络使用聚类算法。
2022-08-23 cs.LG cs.NI eess.SP
Joint Communication and Over-the-Air Computation for Semi-Federated Learning Towards Scalable AI in Computing-Heterogeneous IoT Systems
针对计算异构物联网的可扩展AI需求，本文提出融合CL与FL的SemiFL框架，结合通信与空中计算联合设计及抗干扰收发器架构，仿真验证其学习效率与收敛性优于两类基准FL方案。
2025-11-18 cs.NI cs.SY eess.SY
Broadband Digital Over-the-Air Computation for Asynchronous Federated Edge Learning
本文提出了第一个宽带数字空中计算（AirComp）系统的相位异步OFDM为基础的联邦边缘学习系统。现有的模拟AirComp系统通常通过信道预编码假设完美的相位对准，并利用未编码的模拟调制进行模型聚合。相比之下，我们的数字AirComp系统利用数字调制和信道编码来克服相位抖动，从而在异步多用户OFDM系统中实现精确的模型聚合。为了实现数字AirComp系统，我们提出了一种允许多个边缘设备同时传输的非正交多址接入协议，并提出了一种联合信道解码和聚合（Jt-CDA）解码器（即，全状态联合解码器）。为了降低计算复杂度，我们进一步提出了一种降低复杂度的Jt-CDA解码器（即，减少状态联合解码器），并且对于大多数信噪比（SNR）状态，其算术和比特出错率性能类似于全状态联合解码器的性能。测试精度的模拟结果仿真结果表明：1）模拟AirComp系统在实际测试中对相位误差敏感，即使在高信噪比条件下，测试精度也表现出误差平层; 2）当SNR为9dB时，我们的数字AirComp系统的性能至少是模拟AirComp系统的1.5倍，展示了数字AirComp在异步多用户OFDM系统中的优势。
2021-11-20 cs.IT cs.NI math.IT
A Primer on 3GPP Narrowband Internet of Things (NB-IoT)
窄带物联网（NB-IoT）是3GPP Release 13中引入的新蜂窝技术，用于为物联网（IoT）提供广域覆盖。本文概述了NB-IoT的空中接口。我们描述了NB-IoT如何满足关键的物联网需求，例如部署灵活性，低设备复杂性，长电池寿命，支持小区中的大量设备，以及超越现有蜂窝技术的显著覆盖范围扩展。我们还分享了第13版中NB-IoT标准化过程中的各种设计原理，并指出了NB-IoT未来发展的几个开放领域。
2016-06-13 cs.IT cs.NI math.IT
Application and Energy-Aware Data Aggregation using Vector Synchronization in Distributed Battery-less IoT Networks
Indian Institute of Technology (IIT) Kharagpur（印度理工学院卡拉格普尔分校）
针对分布式无电池物联网网络能量动态导致任务执行难保障的问题，提出应用感知任务与能量管理器ATEM和基于向量同步的数据聚合器VSDA，结合LSTM预测能量，以低开销满足异构应用需求，提升系统性能。
2023-11-02 cs.LG cs.NI
A Light-Weight Authentication Scheme for Air Force Internet of Things
物联网（IoT）由于其广泛的应用和通信技术的进步而无处不在。物联网的能力还使其在国土安全和战术任务中发挥重要作用，包括侦察、情报、监视和目标获取（RISTA）。物联网安全成为其在军事行动中广泛使用之前最关键的问题。虽然大多数研究都集中在智能物联网设备上，但缺乏对传统哑网络就绪设备的处理;此外，由于严格的硬件限制，部署在恶劣环境中的物联网设备通常需要哑，这使得它们非常容易受到网络攻击。为了缓解这个问题，我们提出了一个轻量级的认证方案，哑物联网设备，在无人机传感器协作RISTA任务的案例研究。我们的计划利用隐蔽通道在物理层的认证，不要求传统的密钥部署，密钥生成，这可能会导致安全风险和大的开销，哑传感器无法承受。我们的方案在物理层上操作，因此它是高度可移植的，并可推广到大多数商业和军事通信协议。我们证明了我们的计划的可行性，通过建立一个原型系统，并进行实验，以模拟在真实场景中的无人机和传感器的行为。
2019-02-08 cs.CR cs.NI
AirSPEC: An IoT-empowered Air Quality Monitoring System integrated with a Machine Learning Framework to Detect and Predict defined Air Quality parameters
Department of Electronic and Telecommunication Engineering, University of Moratuwa, Sri Lanka（电子与电信工程系，穆塔瓦大学，斯里兰卡）
针对现有空气质量监测缺乏实时性与语义分布能力的问题，提出集成机器学习与NodeRED仪表板的物联网框架AirSPEC，实现空气质量检测与时空预测，并通过ESP8266及MQTT向用户传达数据与警报。
2021-11-28 cs.AI cs.NI
Semi-Asynchronous Federated Edge Learning Mechanism via Over-the-air Computation
Tsinghua University（清华大学）；Peng Cheng Laboratory（鹏城实验室）
本文提出半异步联邦边缘学习机制PAOTA，结合空中计算并通过调节上行发射功率最小化收敛上界，在异构环境下以更短训练时间达到接近理想Local SGD的精度。
2023-05-30 cs.LG cs.NI eess.SP
AirChain: A Novel Blockchain Framework and Low-Cost Device for Democratized Air Quality Data Aggregation
本文提出AirChain区块链框架与低成本设备原型，通过分布式微控制器与传感器结合，解决空气质量数据采集中中心化信任、高成本和低精度三大问题。
2024-07-24 cs.DC cs.NI
Privacy-Preserving IoT in Connected Aircraft Cabin
针对互联飞机客舱物联网存在的应用层隐私缺口，本文提出在类CSMIM架构上集成可配置PETs的框架，通过高保真测试平台量化性能权衡，为关键领域可信协作物联网设计提供路线图。
2025-11-19 cs.CR cs.DC cs.NI
Aeronautical Data Aggregation and Field Estimation in IoT Networks: Hovering & Traveling Time Dilemma of UAVs
下一个信息革命时代将依赖于从广泛分布在我们环境中的大量设备中聚合大数据。这些设备中的大多数预计将是低复杂性，低成本和有限的电源，这对网络操作施加了严格的约束。在这方面，本文研究了通过无人机（UAV）从有限空间域的航空数据聚合和场估计。无人机不是通过无线节点将数据融合、中继和路由到固定位置的接入点，而是飞越现场并收集两个重要任务所需的数据：数据汇总和现场评估。为了完成这些任务，感兴趣的领域被划分为几个子区域，无人机悬停在这些子区域上以从底层节点收集样本。为此，我们制定和解决一个优化问题，以尽量减少总的悬停和旅行时间的每个任务。虽然前者需要从现场收集规定的平均数量的样本，但后者确保对于给定的现场空间相关模型，现场值的平均均方估计误差在任何点都不超过预定阈值。通过优化子区域的数量、每个子区域的面积、悬停位置、每个位置处的悬停时间以及悬停位置之间的轨迹来实现这些目标。所提出的配方被证明是np-hard混合整数问题，因此，提出了一个解耦的启发式解决方案。结果表明，存在一个最佳数量的子区域，平衡悬停和旅行时间之间的权衡，使收集所需的样本的总时间最小化。
2019-05-31 cs.NI
IoT Network Security from the Perspective of Adversarial Deep Learning
Intelligent Automation, Inc.（智能自动化公司）；Virginia Tech（弗吉尼亚理工大学）
机器学习在物联网（IoT）网络中有着丰富的应用，例如信息检索、流量管理、频谱感测和信号认证。虽然人们对理解机器学习的安全问题的兴趣激增，但它们对无线应用的影响尚未被理解，例如由于无线通信的开放和广播性质而容易受到各种攻击的物联网系统中的无线应用。为了支持具有不同优先级的异构设备的物联网系统，我们提出了基于对抗性机器学习的新技术，并将其应用于三种类型的空中（OTA）无线攻击，即干扰，频谱中毒和优先级违规攻击。通过观察频谱，攻击者从探索性攻击开始，通过构建预测传输结果的深度神经网络分类器来推断物联网发射机的信道接入算法。基于这些预测结果，无线攻击继续通过空中干扰数据传输或操纵感测结果（通过在感测阶段期间进行发送），以欺骗发送器在测试阶段做出错误的发送决策（对应于规避攻击）。当IoT发射器收集感测结果作为训练数据以重新训练其信道接入算法时，对手发起因果攻击以通过空中操纵到发射器的输入数据。我们发现，这些具有不同能量消耗和隐蔽性的攻击会导致物联网系统无线通信的吞吐量和成功率显著下降。然后，我们引入了一个防御机制，系统地增加了对手的不确定性在推理阶段，提高了性能。研究结果为如何使用深度学习攻击和防御物联网网络提供了新的见解。
2019-05-31 cs.CR cs.LG cs.NI
Federated Machine Learning for Intelligent IoT via Reconfigurable Intelligent Surface
ShanghaiTech University（上海科技大学）；Xiamen University（厦门大学）；Tsinghua University（清华大学）
针对智能物联网中联邦机器学习的通信带宽瓶颈，本文提出基于空中计算的通信高效联邦学习框架，并结合可重构智能表面增强信号、降低模型聚合误差。
2020-04-13 cs.LG cs.NI eess.SP
Enhanced distributed data aggregation method in the internet of things
\emph{"Internet of Things (IoT)"}作为一个新的概念在技术和通信领域已经出现。在这样的现代技术中，为每个生物体（例如，人、动物、物体等）提供了通过数据通信网络（诸如因特网或内联网）发送数据的能力。由于有限的硬件和通信操作能力以及小尺寸，物联网经历了相当多的挑战。这些固有的挑战不仅会导致节点之间的聚合、传输和通信效率的根本限制，而且还会降低路由性能。为了应对可用时间缩短和节点间通信不稳定的问题，网络中的数据聚合和传输方法被设计得更加智能化。本文提出了一种分布式的方法来设置节点间的子平衡。该方法通过限制度来增加网络图的高度，从而减少网络拥塞。此外，一个动态的数据聚合方法-命名为LA-RPL-提出了RPL网络。更具体地，每个节点配备有学习自动机，以便执行数据聚合和传输。仿真结果表明，所提出的方法优于以前建议的基础方法的能量消耗，网络控制开销，和丢包率。
2019-09-17 cs.NI
Delay and Communication Tradeoffs for Blockchain Systems with Lightweight IoT Clients
新兴的区块链协议提供了一种适合支持物联网（IoT）交互的去中心化架构。然而，对于低功耗和内存受限的设备来说，保留区块链账本的本地副本是不可行的。出于这个原因，它们配备了轻量级软件实现，这些软件实现仅在更新时从区块链网络下载有用的数据结构，例如账户状态。在本文中，我们考虑并分析了一种由区块链网络的节点实现的新方案，该方案在定期更新中聚合区块链数据，并进一步降低了连接的物联网设备的通信成本。我们表明，聚合周期应选择的基础上的信道质量，提供的速率，和有用的数据结构的更新的统计。针对以太坊协议获得的结果说明了聚合方案在降低设备占空比方面的益处，特别是对于低信噪比，以及在下行链路中传输的信息量的总体减少（例如，从无线基站到IoT设备）。该方案的一个潜在应用是让物联网设备请求比实际需要更多的信息，从而提高其隐私性，同时保持通信成本不变。总之，我们的工作是第一个为设计具有无线连接的轻量级区块链协议提供严格指导的工作。
2018-10-17 cs.DC cs.NI
Externally validating the IoTDevID device identification methodology using the CIC IoT 2022 Dataset
本文在 CIC-IoT-2022 上外部验证 IoTDevID 的特征集与聚合算法，证明数据多样性和数量影响识别性能，并取得优异 F1 结果。
2023-07-03 cs.CR cs.NI
Over-the-air Function Computation in Sensor Networks
许多传感器应用对计算测量上的函数感兴趣（例如，求和、平均、最大），而不是收集所有传感器数据。今天，这样的数据聚合是在簇头中完成的。传感器节点将它们的值顺序发送到簇头节点，簇头节点计算聚合函数并将其转发到基站。相比之下，本文探讨了在空中计算所需函数的可能性。我们设计了一种解决方案，使传感器通过无线介质进行相干传输，使簇头直接接收所需的功能的值。我们目前的分析和初步结果表明，这样的设计产生了很大的改善网络吞吐量。
2016-12-07 cs.NI
Quality-Driven Energy-Efficient Big Data Aggregation in WBANs
在物联网（IoT）时代，无线体域网（WBAN）的发展及其在大数据基础设施中的应用得到了医学研究界的广泛关注。由于传感器节点是需要异构服务质量（QoS）的低功耗设备，因此管理大量医疗数据在WBAN中至关重要。因此，有效地聚合大量的医疗数据是重要的。在这种情况下，我们提出了一个质量驱动和节能的大数据聚合方法，云辅助WBAN。对于BAN内（阶段I）和BAN间（阶段II）通信，聚合方法是成本有效的。大量的仿真结果表明，所提出的方法DEBA大大提高了网络效率的聚合延迟和成本相比，现有的计划。
2022-06-12 cs.DC cs.NI
Virtual Sensor Middleware: Managing IoT Data for the Fog-Cloud Platform
本文介绍了虚拟传感器中间件（VSM），它有助于分布式传感器数据处理的多个雾节点。VSM使用虚拟传感器作为中间件的核心组件。虚拟传感器概念经过重新设计，以支持传感器/设备虚拟化之外的功能，例如部署一组虚拟传感器来表示物联网应用程序和跨多个雾节点的分布式传感器数据处理。此外，虚拟传感器处理物联网设备的异构性和使用不同适配器与物联网设备和底层协议通信的各种通信协议。VSM使用了一种定制-订阅设计模式，允许虚拟传感器从其他虚拟传感器接收数据，以实现无缝的传感器数据消费，而无需在虚拟传感器之间进行紧密集成，从而减少了应用程序开发工作。此外，VSM增强了虚拟传感器的设计，增加了支持动态环境中数据共享的组件，在动态环境中，数据接收者可能会随着时间的推移而变化，需要进行数据聚合，并且处理丢失的数据对于应用程序至关重要。
2022-10-18 cs.NI
An Experimental Study of Split-Learning TinyML on Ultra-Low-Power Edge/IoT Nodes
本文在ESP32-S3上构建首个端到端TinyML+分割学习测试平台，对比ESP-NOW、BLE、UDP/IP和TCP/IP传输MobileNetV2中间激活的性能，发现ESP-NOW往返延迟最低。
2025-07-22 cs.AI cs.DC cs.NI
RELIEF: Turning Missing Modalities into Training Acceleration for Federated Learning on Heterogeneous IoT Edge
South Dakota State University（南达科他州立大学）
针对异构物联网边缘设备中系统-模态-数据异质性问题，提出RELIEF框架，通过将低秩适应（LoRA）投影矩阵划分模态对齐的列块，实现聚合、弹性训练和通信的统一接口，提升训练效率和资源利用率。
2026-04-05 cs.NI
On the Performance Optimization of Two-way Hybrid VLC/RF based IoT System over Cellular Spectrum
研究了一种基于重叠模式的双向混合可见光通信/射频（VLC/RF）协作认知无线电网络（CCRN）的系统中断性能。VLC链路可以满足高数据率应用的要求，而RF链路可以实现高可靠性的大覆盖范围通信。在所提出的架构中，两个授权用户（LU）节点之间的合作通信是通过聚合代理（AA）完成的。AA可以像中继节点一样执行，并且作为回报，它可以访问LU频谱以与物联网（IoT）设备进行双向通信。首先，建立LU和IoT通信的中断概率的封闭形式表达式。在这些表达式的基础上，制定优化问题，以实现LU和IoT网络的最小中断概率。仿真结果表明了VLC和RF系统参数对系统中断概率和吞吐量的影响。
2022-05-30 cs.NI
A Publish/Subscribe QoS-aware Framework for Massive IoT Traffic Orchestration
物联网（IoT）应用部署需要分配虚拟机、存储和网络元素等资源，这些资源必须部署在不同的基础设施上，如云计算、物联网（CoT）、数据中心和骨干网络。对于大规模物联网数据采集，通常使用基于网关的数据聚合方法，其特征在于传感器/执行器无缝访问并提供缓存/缓冲和预处理功能。从这个角度来看，作为生产者的网关需要分配网络资源来向消费者发送物联网数据。在本文中，它提出了一个发布/订阅（PubSub）服务质量（QoS）感知框架（PSIOT-Orch），编排物联网流量和分配网络资源之间的聚合和消费者的大规模物联网流量。PSIOT-Orch根据其配置的QoS要求调度物联网数据流。此外，该框架在物联网数据用户和消费者之间通过具有有限和受约束资源的受控骨干网络分配网络资源（LSP/带宽）。使用带宽分配模型（BAM）来分配网络资源，以实现用于调度的IoT数据流的高效网络资源分配。PSIOT-Orch采用ICN（信息中心网络）PubSub架构方法来处理框架组件之间的物联网数据传输请求。所提出的框架旨在使用PubSub消息方案收集以ICN为中心的方法的固有优势，同时有效地分配资源，保持QoS意识并处理大规模物联网流量的受限网络资源（带宽）。
2018-06-08 cs.DC cs.NI
SecureDyn-FL: A Robust Privacy-Preserving Federated Learning Framework for Intrusion Detection in IoT Networks
Sir Syed CASE Institute of Technology（Sir Syed CASE 理工学院）；Habib University（哈比布大学）；Yeunganam University（延世南大学）；University of Nottingham Ningbo China（诺丁汉大学宁波分校）；Korea University（高丽大学）
SecureDyn-FL通过动态梯度审计、安全聚合和个性化学习，提升物联网入侵检测的隐私保护和鲁棒性。
2026-01-10 cs.CR cs.NI
