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：河南科技大学

摘要：本发明公开了一种基于分布式协同的网络异常行为检测方法，在服务器端和各社交网络客户端部署动态图异常行为检测模型，服务器端初始化模型参数并下发给各个社交网络客户端，各个社交网络客户端采用本地历史数据集对模型进行本地训练，然后将优化过的模型参数连同本地历史数据集上传至服务器，服务器聚合各个社交网络的模型参数并根据合并的历史数据集继续优化模型，再将得到的模型参数分发回各个社交网络客户端；重复上述过程进行迭代优化，服务器端将最终得到的模型参数下发至各社交网络客户端用于异常行为检测。本发明利用联邦学习框架构建去中心化的异常行为检测方法，以综合不同社交网络的用户行为数据，增强异常行为检测的准确性和泛化能力。

主权项：1.一种基于分布式协同的网络异常行为检测方法，其特征在于，包括以下步骤：S1：根据实际需要构建动态图异常行为检测模型，其输入为待检测时刻及之前T-1个时刻的社交网络知识图所构成的时序知识图谱，输出为社交网络在待检测时刻是否存在异常行为的检测结果；将动态图异常行为检测模型部署至服务器和N个社交网络检测客户端，服务器对动态图异常行为检测模型的参数进行初始化，记当前模型参数为ω1；S2：令训练轮次g＝1；S3：服务器将当前动态图异常行为检测模型的参数ωg下发至N个社交网络检测客户端；S4：各个社交网络检测客户端收集若干组对应社交网络处于正常状态的历史数据，每组历史数据中包含T个时刻的用户行为日志，从而得到本地历史数据集datan，n＝1,2,...,N；各个社交网络检测客户端采用服务器下发的模型参数对本地的动态图异常行为检测模型进行初始化，采用本地历史数据集datan生成训练样本，对动态图异常行为检测模型进行训练，得到本地模型参数ωn,g；S5：各个社交网络客户端将本轮训练使用的本地历史数据集datan和本地模型参数ωn,g上传至服务器，n＝1,2,...,N；S6：服务器在接收到各个社交网络客户端的本地历史数据集datan和本地模型参数ωn,g后，对N个模型参数进行聚合，采用聚合后的参数对服务器端的动态图异常行为检测模型进行初始化并采用N个本地历史数据集datan的合集进行训练优化，得到本轮模型参数ωg+1；S7：判断是否训练轮次g＜G，G表示预设的最大训练轮次，如果是，进入步骤S8，否则进入步骤S9；S8：令训练轮次g＝g+1，返回步骤S3；S9：服务器将当前动态图异常行为检测模型的聚合参数ωG作为最终的模型参数下发至N个社交网络检测客户端；当需要进行异常行为检测时，各个社交网络检测客户端实时获取当前时刻及之前T-1个时刻的社交网络知识图所构成的时序知识图谱，输入动态图异常行为检测模型，得到该社交网络当前时刻是否存在异常行为的检测结果。

全文数据：

权利要求：

百度查询： 河南科技大学 基于分布式协同的网络异常行为检测方法