入侵检测方法及系统
    1.
    发明公开

    公开(公告)号:CN114448599A

    公开(公告)日:2022-05-06

    申请号:CN202210151457.7

    申请日:2022-02-18

    Abstract: 本发明公开一种入侵检测方法及系统,其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造,由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数,其中,所述全局模型为基于贝叶斯深度学习的模型;同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量,本发明不仅能减少云节点通信传输的压力,还提升了云节点响应服务的能力。同时,本发明每隔一检测周期进行入侵检测模型的更新,全局模型的参数更新会随着边缘节点的数据分布的变动而变动,从而能提高入侵检测的准确率。

    入侵检测方法及系统
    2.
    发明授权

    公开(公告)号:CN114448599B

    公开(公告)日:2024-11-29

    申请号:CN202210151457.7

    申请日:2022-02-18

    Abstract: 本发明公开一种入侵检测方法及系统,其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造,由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数,其中,所述全局模型为基于贝叶斯深度学习的模型;同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量,本发明不仅能减少云节点通信传输的压力,还提升了云节点响应服务的能力。同时,本发明每隔一检测周期进行入侵检测模型的更新,全局模型的参数更新会随着边缘节点的数据分布的变动而变动,从而能提高入侵检测的准确率。

    一种联邦学习模型优化方法、设备、介质及程序产品

    公开(公告)号:CN118036768A

    公开(公告)日:2024-05-14

    申请号:CN202410148779.5

    申请日:2024-02-01

    Abstract: 本发明公开了一种联邦学习模型优化方法、设备、介质及程序产品,所述方法包括:获取边缘端采集的多属性数据,并计算边缘端的数据量因子、数据质量因子以及数据分布特征因子,从而得到边缘端的可信度;选取可信边缘端进行全局模型的参数更新;向可信边缘端发送第一全局参数,以使可信边缘端进行本地模型的训练,并得到本地模型参数;根据本地模型的平均误差以及预设的全局模型学习率,计算得到动态学习率;根据第一全局参数、动态学习率、可信边缘端的可信度以及本地模型参数,计算得到第二全局参数,实现全局模型的参数更新。本发明实施例解决了数据异构所导致的全局模型性能低下的问题,实现了全局参数更新速度和算法稳定度的平衡。

Patent Agency Ranking