【技术实现步骤摘要】
本专利技术涉及一种基于知识蒸馏的半监督联邦学习入侵检测方法，属于物联网设备入侵。
技术介绍
1、物联网(iot)近年来发展迅速，在医疗、交通等多个应用领域提供了有用的服务。与此同时，大量的物联网设备缺乏适当的安全防御，因此入侵者可以很容易地针对其中许多设备。因此，对物联网设备采用入侵检测系统(ids)至关重要。得益于深度学习技术的发展，基于深度学习的方法在入侵检测领域取得了巨大的成功。
2、通常，集中式dl(cdl)技术从各种物联网设备收集大量流量数据，并将这些数据上传到中央服务器，用于训练深度神经网络(dnn)模型，用于检测。虽然这些cdl方法在入侵检测任务中可以达到较高的精度，但存在信息泄露的问题，即隐私敏感的原始数据被上传到中心服务器，可能被服务器滥用。为了解决cdl的私有数据泄露问题，联邦学习(fl)最近被应用于ids。在fl框架中，设备通过在中心服务器上定期交换和聚合dl模型参数或梯度来协同训练其本地dl模型，而无需上传原始数据。但传统fl需要客户端频繁上传dl模型的参数，其高昂的通信开销严重阻碍了实际部署。此外，...
【技术保护点】
1.一种基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于：
2.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述获取各个客户端的私有标记数据集和未标记的开放数据集，包括：
3.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述基于分类器模型wk,c对所述私有标记数据集进行训练，并将所述未标记的开放数据集中的每个样本通过分类器进行预测，计算样本的置信度分数，包括：
4.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述创建空集数据集并判断所述置信...
【技术特征摘要】
1.一种基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于：
2.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述获取各个客户端的私有标记数据集和未标记的开放数据集，包括：
3.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述基于分类器模型wk,c对所述私有标记数据集进行训练，并将所述未标记的开放数据集中的每个样本通过分类器进行预测，计算样本的置信度分数，包括：
4.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述创建空集数据集并判断所述置信度分数是否小于空集的边界数，若小于，则在该集合中添加定义样本，并将定义样本标记为不熟悉标签，包括：
5.根据权利要求1所述的基于知识蒸馏的半监督联邦学习入侵检测方法，其特征在于，所述假设所述私有标记数据集中的每个样本对...
【专利技术属性】
技术研发人员：沈韬，赵胤淇，柏粉花，张弛，张晓晖，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。