一种边缘计算场景的入侵检测方法及设备技术

本申请公开了一种边缘计算场景的入侵检测方法及设备，所述方法包括：边缘计算节点获取入侵检测模型；根据本地计算资源、边缘侧应用以及连接的智能终端设备，确定所述入侵检测模型的联邦学习训练计划；根据所述联邦学习训练计划，确定训练数据集；根据所述训练数据集，对所述入侵检测模型进行更新，确定更新的入侵检测模型。本申请实施例通过联合边缘计算节点和智能终端设备，对入侵检测模型进行联邦学习训练，形成针对边端场景的更新的入侵检测模型，在保护用户数据隐私的同时，减轻了云数据中心的数据存储压力，能够更加准确、及时、合理的实现对边缘侧网络传输和智能终端设备进行入侵检测即时监控。入侵检测即时监控。入侵检测即时监控。

【技术实现步骤摘要】
一种边缘计算场景的入侵检测方法及设备


[0001]本申请涉及人工智能
，尤其涉及一种边缘计算场景的入侵检测方法及设备。

技术介绍

[0002]近年来，人工智能技术日渐成熟，在IoT+AI技术融合下，边缘设备智能化程度不断加强，更多计算资源将下沉到边缘侧，从而在靠近物或数据源头的一侧提供最近端服务。
[0003]但是，万物互联时代的到来，给网络安全领域带来诸多前所未有的挑战，以智能网络摄像头、智能家居设备为代表的智能终端被不法分子控制和利用的事件不断发生。
[0004]因此，如何有效的实现边缘侧的入侵检测，并同时保护各参与方数据隐私成为亟需解决的问题。

技术实现思路

[0005]本申请实施例提供一种边缘计算场景的入侵检测方法及设备，用于解决现有技术中的如下技术问题：在对边缘侧进行入侵检测时，入侵检测系统准确率低以及无法满足实时性的需求。
[0006]一方面，本申请实施例提供了一种边缘计算场景的入侵检测方法，方法包括：边缘计算节点获取入侵检测模型；根据本地计算资源、边缘侧应用以及连接的智能终端设备，确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘计算场景的入侵检测方法，其特征在于，所述方法包括：边缘计算节点获取入侵检测模型；根据本地计算资源、边缘侧应用以及连接的智能终端设备，确定所述入侵检测模型的联邦学习训练计划；根据所述联邦学习训练计划，确定训练数据集；根据所述训练数据集，对所述入侵检测模型进行更新，确定更新的入侵检测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述联邦学习训练计划，确定训练数据集，具体包括：向所述智能终端设备发送所述入侵检测模型的联邦学习训练计划的数据要求、计算资源要求、奖励机制，以确定智能终端设备参与者；将所述入侵检测模型发送至所述智能终端设备参与者，以接收所述智能终端设备参与者上传的中间数据、以及托管数据；基于所述托管数据，确定本地的中间数据；根据所述智能终端设备参与者的中间数据，以及所述本地的中间数据，确定所述训练数据集。3.根据权利要求2所述的方法，其特征在于，所述将所述入侵检测模型发送至所述智能终端设备参与者之前，所述方法包括：所述智能终端设备根据各自的性能状况以及数据隐私要求，确定参与方式。4.根据权利要求3所述的方法，其特征在于，所述参与方式，包括以下至少一种：参与所述入侵检测模型的联邦学习训练任务；参与所述入侵检测模型的联邦学习推理任务；将本地数据托管至所述边缘计算节点。5.根据权利要求4所述的方法，其特征在于，所述参与所述入侵检测模型的联邦学习训练任务，具体包括：根据所述入侵检测模型的联邦学习训练任务的数据要求，确定相应的本地数据...

【专利技术属性】
技术研发人员：孙善宝，罗清彩，姜荣，徐驰，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：