Federated Attack Campaign Detection via Contrastive Encoding of Threat Indicators in Gradient Updates
研究人员提出 FedIoC 框架，利用对比编码技术检测跨组织的协同网络攻击活动。该框架将本地结构化威胁指标折叠至梯度更新中，通过监督对比损失使匹配已知指标的流量嵌入聚合，从而在梯度方向表达攻击相关结构。服务器依据梯度余弦相似度对客户端更新进行聚类，无需直接传输威胁情报即可恢复全局攻击模式。研究在两个公开威胁检测基准上验证了该框架的有效性，证明联邦学习服务器能直接从梯度几何中还原跨组织攻击团伙。