龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：广东工贸职业技术学院
摘要：本发明提出基于一种基于联邦学习和深度学习的网络异常检测方法，方法包括：采集网络异常数据，构建网络异常数据集；设置多个客户端，使用数据收集模块收集网络异常流量数据并进行预处理更新网络异常数据集，提取关键特征；设置一个中央服务器，初始化全局深度学习模型，向各客户端分发模型参数，接收由各客户端基于本地数据训练后加密的模型更新，更新全局深度学习模型；使用深度学习模型在网络流量特征上进行训练，识别网络异常行为模式；对实时输入网络流量进行处理分析，输出异常行为警报，预测网络故障的发生。本发明结合联邦学习的隐私保护特性和深度学习的强大特征学习能力，可以在保护数据隐私的同时，构建出高性能的异常检测模型。
主权项：1.一种基于联邦学习和深度学习的网络异常检测方法，其特征在于，包括以下步骤：通过大数据采集网络异常数据，并对数据进行预处理，构建网络异常数据集；设置多个客户端，各自配备有数据收集模块，使用数据收集模块收集网络异常流量数据并进行预处理更新网络异常数据集，并从网络异常数据集中提取关键特征；设置一个中央服务器，配置联邦学习协调器模块初始化全局深度学习模型，同时向各客户端分发模型参数，中央服务器接收由各客户端基于本地数据训练后加密的模型更新，聚合模型更新以更新全局深度学习模型；使用深度学习模型在网络流量特征上进行训练，识别网络异常行为模式；利用更新后的全局深度学习模型对实时输入网络流量进行处理分析，输出异常行为警报，并预测网络故障的发生。
全文数据：
权利要求：
百度查询： 广东工贸职业技术学院 一种基于联邦学习和深度学习的网络异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号