【技术实现步骤摘要】
本专利技术涉及网络安全，尤其是涉及一种网络流量检测模型蒸馏方法、系统及服务器。
技术介绍
1、在网络流量检测过程中已采用相关神经网络模型来实现，但现有的网络流量检测模型在硬件部署时普遍存在计算密集度高、内存占用大的问题；此外，现有的模型蒸馏方法未充分考虑目标硬件特性，导致部署后推理效率损失。此外，现有的异常流量样本稀缺且模式单一，导致模型泛化能力不足；实际场景中在动态网络环境下，一些固定参数模型难以保持最佳性能。
2、上述网络流量检测模型中存在技术缺陷导致模型检测效果较差，计算成本较高，难以在边缘计算设备中进行部署。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种网络流量检测模型蒸馏方法、系统及服务器，该方法中通过在第一模型（教师模型）指导第二模型（学生模型）学习训练的过程中进行蒸馏，通过针对目标硬件优化相关计算特性参数，并可通过模拟异常流量让第二模型适应低精度计算，从而实现在训练过程中同步优化蒸馏损失和量化误差，使减少性能开销的同时保证了模型精度，更加适用于在边缘计...
【技术保护点】
1.一种网络流量检测模型蒸馏方法，其特征在于，所述方法包括：
2.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，基于网络流量检测场景对应属性参数构建第一模型，并基于所述第一模型的结构参数构建第二模型的步骤，包括：
3.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，根据所述第一模型以及所述第二模型的结构参数确定所述第一模型与所述第二模型之间的量化节点和反量化节点，包括：
4.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，基于所述量化节点和所述反量化节点确定所述第一模型以及所述第二模型的量化参数，包括
5....
【技术特征摘要】
1.一种网络流量检测模型蒸馏方法，其特征在于，所述方法包括：
2.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，基于网络流量检测场景对应属性参数构建第一模型，并基于所述第一模型的结构参数构建第二模型的步骤，包括：
3.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，根据所述第一模型以及所述第二模型的结构参数确定所述第一模型与所述第二模型之间的量化节点和反量化节点，包括：
4.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，基于所述量化节点和所述反量化节点确定所述第一模型以及所述第二模型的量化参数，包括：
5.根据权利要求1所述的网络流量检测模型蒸馏方法，其特征在于，获取所述网络流量检测场景对应的目标硬件的计算特性参数，利用所述计算特性参数确定所述第一模型和所述第二模型对应的初始量化模型，包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：阮志成，任江，杨秩，
申请(专利权)人：中电长城网际系统应用有限公司，
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。