基于联邦学习和深度残差网络的入侵检测

郑超; 邬悦婷; 肖珂

首页> 中文期刊> 《计算机应用》 >基于联邦学习和深度残差网络的入侵检测

基于联邦学习和深度残差网络的入侵检测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

深度学习被广泛应用到入侵检测领域,但大多数研究的重点是通过改进算法提高入侵检测的准确率,却忽视了在实际应用中单个用户拥有的数据无法满足训练需求的问题。为了实现网络入侵检测模型在训练过程中保护用户隐私安全的同时,仍具有对网络流量数据检测异常的能力,提出一种基于联邦学习并融合深度残差网络(ResNet)和注意力机制的入侵检测模型FL-SEResNet(Federation Learning Squeeze-and-Excitation network ResNet)。在训练过程中,通过对数据压缩、解压、分发、加密和聚合等操作,可以在保护参与者数据隐私的同时,通过多方参与提供足够的训练数据。在NSL-KDD和UNSW-NB15数据集上,所提模型在多分类实验的识别准确率分别为84.22%和80.38%。在NSL-KDD上,与同属于联邦学习的CNN-FL相比,对多分类的识别准确率提升了1.82个百分点,对少数类R2L(Remote to Local)的识别准确率提升了24.94个百分点。

著录项

来源
《计算机应用》 |2023年第s01期|133-138|共6页
作者
郑超; 邬悦婷; 肖珂;
展开▼
作者单位

北方工业大学信息学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类 TP393.08;
关键词
联邦学习; 多标签学习; 入侵检测; 网络流量检测; 卷积神经网络;

相似文献

中文文献
外文文献
专利

1. 基于残差网络和深度学习的入侵检测方法研究 [J] . 李安娜 ,宗学军 ,何戡 . 网络安全与数据治理 . 2023,第3期
2. 基于深度神经网络和联邦学习的网络入侵检测 [J] . 刘金硕 ,詹岱依 ,邓娟 . 计算机工程 . 2023,第1期
3. 基于深度残差网络与迁移学习的地形识别方法 [J] . 王明明 ,孙寅静 ,孙晓云 . 科学技术与工程 . 2023,第9期
4. 基于迁移学习与深度残差网络的滚动轴承快速故障诊断算法 [J] . 刘飞 ,陈仁文 ,邢凯玲 . 振动与冲击 . 2022,第3期
5. 基于深度残差网络与迁移学习的毒蕈图像识别 [J] . 樊帅昌 ,易晓梅 ,李剑 . 传感技术学报 . 2020,第1期
6. 基于联邦学习和循环神经网络的无线网络入侵检测研究 [C] . ZHANG Qi-ning ,张启宁 ,ZHAO Ying . 中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会 . 2020
7. 基于深度残差卷积神经网络的入侵检测系统设计与实现 [A] . 孔军 . 2021

基于联邦学习和深度残差网络的入侵检测

摘要

著录项

相似文献

相关主题

期刊订阅