轻量化变压器+联邦学习，快速检测智能网联车入侵行为

FedSecureFormer: A Fast, Federated and Secure Transformer Framework for Lightweight Intrusion Detection in Connected and Autonomous Vehicles

• 用最少层数的编码器变压器做车联网入侵检测
• 基于联邦学习实现分布式训练，保护数据隐私
• 适合资源受限的车载设备，兼顾速度与安全

本文提出一种仅含编码器的轻量级变压器架构，用于智能网联汽车领域的入侵检测。该模型采用联邦学习框架，在保证数据隐私的前提下实现分布式训练。通过减少网络层数和参数量，显著降低计算开销，适用于边缘设备部署。实验表明，该方法在保持高检测准确率的同时，推理延迟低于50毫秒，内存占用小于20MB，满足车联网实时性与轻量化需求。

原文摘要 · Abstract (English)

This works presents an encoder-only transformer built with minimum layers for intrusion detection in the domain of Connected and Autonomous Vehicles using Federated Learning.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。