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：浙江大学

摘要：本发明公开了一种基于横向联邦学习的终端数据泄露事件预测方法和系统，包括：对参与终端历史行为事件数据进行打标，训练初始共享模型并发送模型到参与终端；参与终端采集自身行为数据并进行数据预处理，将这些数据导入到初始共享模型中进行本地训练；参与终端将模型更新参数加密后发送到中央服务器，中央服务器对参与终端的模型更新参数进行聚合；将聚合更新的模型再发送给参与终端进行训练，直至模型达到收敛状态；开启数据泄露预测，对参与终端预测到的数据泄露事件进行告警处置；对数据泄露事件预测效果进行评估；预警端将量化评估数据发送给中央服务器进行模型参数及收敛条件优化。本发明能够实现持续优化的自动化的终端数据泄露事件预测。

主权项：1.一种基于横向联邦学习的终端数据泄露事件预测方法，其特征在于，包括：获取参与终端的历史行为事件数据，对参与终端的历史行为事件数据进行数据打标签操作，得到已标记的数据；中央服务器利用已标记数据，采用卷积神经网络配合有监督学习训练得到初始共享模型，通过横向联邦学习将数据泄露事件的初始共享模型发送到各个参与终端上进行本地训练；在本地训练阶段，各个参与终端获取自身行为数据，利用Label编码的方法处理数据，将Label编码后的数据作为初始共享模型的训练数据，使用孤立森林算法进行初始共享模型的训练；各个参与终端训练后，更新模型参数，将模型更新参数加密并发送给中央服务器进行模型参数聚合；当所述参与终端通过验证数据集验证得到当前初始共享模型达到80%的验证准确率时，将此时训练模型的树结构、分割特征、分割值的模型更新参数发送给中央服务器，发送过程使用秘密共享的安全多方计算实现安全传输，设第1个参与终端需要更新的模型参数为T1，通过秘密份额分割得到t11,t12...t1m，设参与终端一共有J个，则当中央服务器接收到J≥3个来自参与终端的秘密份额后，通过以下函数执行秘密重组，得到需要更新的模型参数原文；T=f{t11,t12...t1m,t21,t22...t2m...tJ1,tJ2...tJm}；其中，T表示需要更新的模型参数原文，tJm表示第J个参与终端的第m份模型参数，f{}表示重组函数；将通过聚合更新的模型再发送给各个参与终端进行训练，直至模型达到收敛状态；当模型收敛时，开启数据泄露预测，对参与终端预测到的数据泄露事件进行告警处置；所述数据泄露事件预测具体为：参与终端通过训练好的模型wt+1实时对本地产生的网络流量数据、文件访问行为数据、应用访问行为数据进行检测；检测函数为S，待检测数据项为c，则有：当Swt+1,c=1时，c为孤立点，即异常事件数据项；当Swt+1,c=0时，c为非孤立点，即正常事件数据项；当待检测数据项c为孤立点时，将待检测数据项c的关联行为事件报送到预警端。

全文数据：

权利要求：

百度查询： 浙江大学 基于横向联邦学习的终端数据泄露事件预测方法和系统