车载CAN异常检测：时序Transformer与联邦学习框架
Get the story
2026年10月9日，arXiv Machine Learning Theory 提出一套面向车载网络的隐私保护异常检测框架，采用时序 Transformer CAN 编码器与联邦轻量级头，用于捕捉时序与上下文异常。轻量级 Transformer 编码器学习信号随时间的演化，联邦学习机制使多辆车或多个 ECU 在不交换原始 CAN 数据的情况下共同改进共享模型。开源数据集上的实验显示，该组合在保持效率与隐私的同时提供稳健的异常检测性能。目前报道仅涉及框架与实验结果，未见后续验证或部署信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory用于异常检测的时序 Transformer CAN 编码器与联邦轻量级头
提出一套面向车载网络的隐私保护异常检测框架，基于时序 Transformer CAN 编码器与联邦轻量级头，捕捉时序与上下文异常。轻量级 Transformer 编码器学习信号随时间的演化，联邦学习机制让多辆车或多个 ECU 在不交换原始 CAN 数据的情况下共同改进共享模型。开源数据集上的实验显示，该组合在保持效率与隐私的同时提供稳健的异常检测性能。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.