Buchumschlag

Digital Twin-Driven Communication-Efficient Federated Anomaly Detection for Industrial IoT

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Belay, Mohammed Ayalew, Rasheed, Adil, Rossi, Pierluigi Salvo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy
von: Stadtmann, Florian, et al.
Veröffentlicht: (2024)

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

OptiFLIDS: Optimized Federated Learning for Energy-Efficient Intrusion Detection in IoT
von: Elouardi, Saida, et al.
Veröffentlicht: (2025)

Modeling Quantum Federated Autoencoder for Anomaly Detection in IoT Networks
von: Chaudhary, Devashish, et al.
Veröffentlicht: (2026)

Federated Quantum Kernel Learning for Anomaly Detection in Multivariate IoT Time-Series
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)

Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey
von: Chen, Jiayuan, et al.
Veröffentlicht: (2024)

Anomaly Detection for IoT Global Connectivity
von: Iglesias, Jesus Omaña, et al.
Veröffentlicht: (2025)

Federated PCA on Grassmann Manifold for IoT Anomaly Detection
von: Nguyen, Tung-Anh, et al.
Veröffentlicht: (2024)

Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis
von: Gkillas, Alexandros, et al.
Veröffentlicht: (2024)

Computationally and Memory-Efficient Robust Predictive Analytics Using Big Data
von: Menges, Daniel, et al.
Veröffentlicht: (2024)

Federated Learning for Efficient Condition Monitoring and Anomaly Detection in Industrial Cyber-Physical Systems
von: Marfo, William, et al.
Veröffentlicht: (2025)

A Robust PPO-optimized Tabular Transformer Framework for Intrusion Detection in Industrial IoT Systems
von: She, Yuanya
Veröffentlicht: (2025)

Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization
von: Alihodžić, Adis, et al.
Veröffentlicht: (2026)

Adaptive and Explainable AI Agents for Anomaly Detection in Critical IoT Infrastructure using LLM-Enhanced Contextual Reasoning
von: Sharma, Raghav, et al.
Veröffentlicht: (2025)

Quantifying Catastrophic Forgetting in IoT Intrusion Detection Systems
von: Banerjee, Sourasekhar, et al.
Veröffentlicht: (2026)

Enhancing IoT Intelligence: A Transformer-based Reinforcement Learning Methodology
von: Rjoub, Gaith, et al.
Veröffentlicht: (2024)

Towards Transparent and Efficient Anomaly Detection in Industrial Processes through ExIFFI
von: Frizzo, Davide, et al.
Veröffentlicht: (2024)

Industrial Energy Disaggregation with Digital Twin-generated Dataset and Efficient Data Augmentation
von: Internò, Christian, et al.
Veröffentlicht: (2025)

Hybrid Modeling, Sim-to-Real Reinforcement Learning, and Large Language Model Driven Control for Digital Twins
von: Rasheed, Adil, et al.
Veröffentlicht: (2025)

A Gap in Time: The Challenge of Processing Heterogeneous IoT Data in Digitalized Buildings
von: Lin, Xiachong, et al.
Veröffentlicht: (2024)

Uncertainty-aware Human Mobility Modeling and Anomaly Detection
von: Wen, Haomin, et al.
Veröffentlicht: (2024)

Enabling Trustworthy Federated Learning in Industrial IoT: Bridging the Gap Between Interpretability and Robustness
von: Jagatheesaperumal, Senthil Kumar, et al.
Veröffentlicht: (2024)

LLMs meet Federated Learning for Scalable and Secure IoT Management
von: Otoum, Yazan, et al.
Veröffentlicht: (2025)

VARS-FL: Validation-Aligned Client Selection for Non-IID Federated Learning in IoT Systems
von: Lakas, Mohamed, et al.
Veröffentlicht: (2026)

FedCCA: Client-Centric Adaptation against Data Heterogeneity in Federated Learning on IoT Devices
von: Wang, Kaile, et al.
Veröffentlicht: (2026)

QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
von: Herath, Charuka, et al.
Veröffentlicht: (2026)

Efficient Transformer-based Hyper-parameter Optimization for Resource-constrained IoT Environments
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)

Efficient Post-Training Augmentation for Adaptive Inference in Heterogeneous and Distributed IoT Environments
von: Sponner, Max, et al.
Veröffentlicht: (2024)

MI$^2$DAS: A Multi-Layer Intrusion Detection Framework with Incremental Learning for Securing Industrial IoT Networks
von: Lian, Wei, et al.
Veröffentlicht: (2026)

Enhancing IoT Security Against DDoS Attacks through Federated Learning
von: Shirvani, Ghazaleh, et al.
Veröffentlicht: (2024)

Open Set Dandelion Network for IoT Intrusion Detection
von: Wu, Jiashu, et al.
Veröffentlicht: (2023)

IoT Malware Network Traffic Detection using Deep Learning and GraphSAGE Models
von: Prajapati, Nikesh, et al.
Veröffentlicht: (2025)

Joint Link Adaptation and Device Scheduling Approach for URLLC Industrial IoT Network: A DRL-based Method with Bayesian Optimization
von: Gao, Wei, et al.
Veröffentlicht: (2025)

A Survey of Foundation Models for IoT: Taxonomy and Criteria-Based Analysis
von: Wei, Hui, et al.
Veröffentlicht: (2025)

Explainable Anomaly Detection for Industrial IoT Data Streams
von: Paupério, Ana Rita, et al.
Veröffentlicht: (2025)

LightSAE: Parameter-Efficient and Heterogeneity-Aware Embedding for IoT Multivariate Time Series Forecasting
von: Ren, Yi, et al.
Veröffentlicht: (2025)

CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
von: Alshantti, Abdallah, et al.
Veröffentlicht: (2023)

Toward Foundation Models for Online Complex Event Detection in CPS-IoT: A Case Study
von: Han, Liying, et al.
Veröffentlicht: (2025)

TinyML-Enabled IoT for Sustainable Precision Irrigation
von: Taueatsoala, Kamogelo, et al.
Veröffentlicht: (2026)

Efficient Personalized Federated PCA with Manifold Optimization for IoT Anomaly Detection
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)