基于聯(lián)邦學(xué)習(xí)和深度殘差網(wǎng)絡(luò)的入侵檢測(cè)

摘要： 深度學(xué)習(xí)被廣泛應(yīng)用到入侵檢測(cè)領(lǐng)域，但大多數(shù)研究的重點(diǎn)是通過改進(jìn)算法提高入侵檢測(cè)的準(zhǔn)確率，卻忽視了在實(shí)際應(yīng)用中單個(gè)用戶擁有的數(shù)據(jù)無(wú)法滿足訓(xùn)練需求的問題。為了實(shí)現(xiàn)網(wǎng)絡(luò)入侵檢測(cè)模型在訓(xùn)練過程中保護(hù)用戶隱私安全的同時(shí)，仍具有對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)檢測(cè)異常的能力，提出一種基于聯(lián)邦學(xué)習(xí)并融合深度殘差網(wǎng)絡(luò)（ResNet）和注意力機(jī)制的入侵檢測(cè)模型FL-SEResNet(Federation Lear...