本論文では、セキュリティの重要性が高まるIoTネットワークにおいて、プライバシーを保護しつつ効果的な侵入検知を行う手法として「Sentinel」というフレームワークを提案しています。このフレームワークは、各クライアントに個別の教師モデルと軽量の共有学生モデルからなる二重モデルアーキテクチャを持ち、プライバシーを守りつつ通信コストを削減することができます。Sentinelは、双方向の知識蒸留、特徴の多様な整列、クラスバランスの損失関数などの3つの重要なメカニズムを導入し、強力なパフォーマンスを確保しています。また、サーバーはクライアントの重みを均等にする正規化された勾配集約を行い、公平性を高めています。実験では、Sentinelが既存の最先端方法を大きく上回り、特にデータの不均一性が極端な環境下でも優れた通信効率を維持することが示されています。