-
公开(公告)号：CN118972152A
公开(公告)日：2024-11-15
申请号：CN202411252700.X
申请日：2024-09-07
Applicant: 福州大学
Abstract: 本发明提供一种基于深度主动学习的联邦半监督入侵检测方法，基于联邦学习框架，各个客户端上均持有无标签数据集与有标签数据集，服务器仅用于聚合模型参数与分发模型；初始阶段，N个客户端从网络数据流中采集流量数据，预处理后构成有标记数据集与无标签数据集，服务器向各个客户端发送初始的全局模型；每个通讯轮次中，各个客户端依次执行基于多样性采样的主动学习、基于深度模型迁移的主动学习共标注T个样本以更新本地的无标签数据集与有标签数据集；随后对接收的全局模型执行基于伪标签的半监督学习从而得到本地模型，最后将本地模型参数上传到服务器，由服务器完成聚合更新全局模型；执行多个通讯轮次后得到收敛的全局模型用于执行入侵检测。
Search Results
1
records
(took 0.012 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
