-
公开(公告)号:CN113705712B
公开(公告)日:2024-01-05
申请号:CN202111028686.1
申请日:2021-09-02
Applicant: 广州大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及网络流量分类领域,为一种基于联邦半监督学习的网络流量分类方法和系统,其包括:数据预处理模块,用于通过增强采样方法获取客户端本地的无标签网络流和服务端中的标签网络流,得到无标签数据集和标记数据集;客户端预训练模块,用于客户端执行本地无监督训练,通过自编码器模型学习各个客户端上本地数据的特征,将学习到的数据特征用于训练分类器;服务器端重训练模块,用于服务器端执行有监督训练,利用联邦服务器上的带标记数据对重训练模型执行重训练,得到一个用于客户端分类网络流的通用分类器。本发明可以在保护用户数据隐私的前提下,协助多方在不公开和共享本地用户数据集的情况下共同学习一个准确且通用的网络流量分类模型。
-
公开(公告)号:CN113705712A
公开(公告)日:2021-11-26
申请号:CN202111028686.1
申请日:2021-09-02
Applicant: 广州大学
Abstract: 本发明涉及网络流量分类领域,为一种基于联邦半监督学习的网络流量分类方法和系统,其包括:数据预处理模块,用于通过增强采样方法获取客户端本地的无标签网络流和服务端中的标签网络流,得到无标签数据集和标记数据集;客户端预训练模块,用于客户端执行本地无监督训练,通过自编码器模型学习各个客户端上本地数据的特征,将学习到的数据特征用于训练分类器;服务器端重训练模块,用于服务器端执行有监督训练,利用联邦服务器上的带标记数据对重训练模型执行重训练,得到一个用于客户端分类网络流的通用分类器。本发明可以在保护用户数据隐私的前提下,协助多方在不公开和共享本地用户数据集的情况下共同学习一个准确且通用的网络流量分类模型。
-