公开(公告)号：CN118734210A

公开(公告)日：2024-10-01

申请号：CN202410708885.4

申请日：2024-06-03

Applicant: 无锡学院

Inventor： 刘苗 ,  陈逸阳 ,  刘洋洋 ,  柳龙玺 ,  谷越

IPC: G06F18/2433 ,  H04L43/0876 ,  G06F18/213 ,  G06F18/25 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明涉及一种基于图神经网络的动态权重联邦学习异常检测方法，包括：基于图神经网络构建异常检测模型并分发至客户端，其中，异常检测模型通过图神经网络构建；客户端基于本地数据对异常检测模型进行训练，获取客户端模型并发送至服务器端，服务器端基于客户端模型结合余弦相似度量化方法对客户端动态分发权重；获取数据集并分发给客户端模型，获取客户端异常检测结果；基于客户端异常检测结果和客户端的权重更新全局模型，对更新后的全局模型进行聚合，获取最终异常检测模型；基于最终异常检测模型进行流量异常检测，获取异常检测结果。本发明在保护数据隐私的前提下能够有效处理图结构数据和时间序列数据，并在联邦学习框架下实现良好的性能。

公开(公告)号：CN118233212A

公开(公告)日：2024-06-21

申请号：CN202410530033.0

申请日：2024-04-29

Applicant: 无锡学院

Inventor： 刘苗 ,  刘洋洋 ,  陈逸阳 ,  童佳颖

IPC: H04L9/40 ,  G06N3/0442 ,  G06N3/098

Abstract: 本发明公开了一种基于加密算法和联邦学习框架的物联网攻击检测方法，属于物联网安全技术领域，包括：系统初始化阶段，生成公钥和私钥；云服务器为入侵检测模型选择参数；边缘智能体向云服务器报告其自身数据资源，云服务器计算各边缘智能体的贡献率；边缘智能体进行本地模型训练。边缘智能体从云服务器接收初始模型和参数并训练；边缘智能体进行模型参数加密。边缘智能体将加密后的参数上传至云服务器；云服务器进行模型参数聚合。边缘智能体使用私钥解密聚合密文，得到更新的各个模型参数。本发明能够在保持设备上数据隐私的同时，提高物联网设备对异常行为的检测能力，特别是在预测攻击时具有更低的误报率和更少的错误警报。

公开(公告)号：CN116204925A

公开(公告)日：2023-06-02

申请号：CN202310232566.6

申请日：2023-03-13

Applicant: 无锡学院

Inventor： 刘苗 ,  刘洋洋

IPC: G06F21/62 ,  G06F21/60 ,  G06V10/44 ,  G06N20/00 ,  G06V10/774 ,  G06Q50/26

Abstract: 本发明提供一种强鲁棒性智慧城市边缘计算数据安全系统及方法，通过使用来自一个或多个数据所有者/源的数据训练全局模型来规避由于数据孤岛而带来的挑战，针对利用平行网络对不同模型提取的特征进行多模态加权融合提升边缘节点算力，利用同态加密技术来保护边缘计算设置中的数据和模型的隐私，此外，在边缘节点进行梯度异常检测时发现有异常的梯度，边缘节点上传梯度的时候会附加一个信号告诉云中心当前边缘节点所上传的参数是否可用，通过多次数据集分配比不同的实验评估验证，本发明能有效减少总体训练时间并提升模型的鲁棒性和高精度，并在安全性，效率和准确性之间实现最佳权衡。