基于联邦学习的智能入侵检测方法和系统

    公开(公告)号:CN113761525A

    公开(公告)日:2021-12-07

    申请号:CN202111045145.X

    申请日:2021-09-07

    摘要: 本发明提供了一种基于联邦学习的智能入侵检测方法和系统,包括:步骤1:初始化长短期记忆网络模型LSTM,并在所有用户服务器上进行部署;步骤2:每个用户使用本地命令序列训练其单个模型,将模型参数上传到中央服务器;步骤3:中央服务器执行模型参数聚合,形成新的全局模型并将其分发给用户服务器,循环按序执行步骤2和步骤3,直到达到设置的训练轮次n后停止检测模型的训练;步骤4:保存第n轮的检测模型,将命令序列输入模型得到分类结果,实现入侵检测。本发明通过中央服务器协调多个子服务器,并统一用户数据集以建立通用模型,模型中每个用户的原始数据都存储在本地,不交换或传输,不会对用户数据隐私造成风险。