【技术实现步骤摘要】
本专利技术涉及网络入侵检测，具体涉及一种基于联邦持续学习的网络入侵检测方法及系统。
技术介绍
1、随着互联网的蓬勃发展，网络安全问题日益突出。网络入侵检测技术通过监控网络活动来识别恶意行为或安全威胁，对于构建安全可靠的网络环境至关重要。传统的入侵检测手段通常是由服务器汇集多方的流量数据来训练入侵检测模型，然而这种方式会暴露参与方的原始数据隐私。对此，联邦学习技术作为一种新型分布式机器学习计算范式，能够在保护数据隐私的前提下多方协同训练机器学习模型，现已经被广泛应用于网络入侵检测领域。
2、然而，现有的基于联邦学习的入侵检测模型往往是依据静态数据来训练的，从而导致所训练的模型欠缺实时更新以及应对复杂网络的能力。从模型更新角度来说，现有技术通常采用迭代更新的方式，模型的更新速度可能滞后于网络攻击手段的变化。这可能导致模型在检测新型网络攻击时表现不佳。
3、此外，模型在迭代学习新型网络攻击模式时，可能会出现对已知的网络攻击模式的遗忘，即灾难性遗忘，这会导致模型对于旧任务准确率降低以及阻碍模型的持续进化，进而限制了模型在...
【技术保护点】
1.一种基于联邦持续学习的网络入侵检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，还包括步骤S7：对步骤S6中的全局模型的性能进行评估。
3.根据权利要求1或2所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，步骤S3中，所述局部数据采集器对收集到的数据Dataraw进行数据预处理，具体包括如下：
4.根据权利要求3所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，步骤S4，具体包括如下：
5.根据权利要求4所述的一种基于联邦持续学习的网络...
【技术特征摘要】
1.一种基于联邦持续学习的网络入侵检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，还包括步骤s7：对步骤s6中的全局模型的性能进行评估。
3.根据权利要求1或2所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，步骤s3中，所述局部数据采集器对收集到的数据dataraw进行数据预处理，具体包括如下：
4.根据权利要求3所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，步骤s4，具体包括如下：
5.根据权利要求4所述的一种基于联邦持续学习的网络入侵检测方法，其特征在于，步骤s6，具体包括如下：
6.一种基于联邦持续学习的网络...
【专利技术属性】
技术研发人员：王劲松，李淇，魏宗朴，赵泽宁，
申请(专利权)人：天津理工大学，
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。