基于聯(lián)邦大模型的網絡攻擊檢測方法研究

摘要： 為了解決真實Web應用攻擊數據數量小、差異性大和攻擊載荷多樣化導致大模型訓練效果差的問題，提出一種基于聯(lián)邦大模型的網絡攻擊檢測方法（Intrusion Detection methods based on Federal Large Language Model,FLLLMID）.首先，提出一種面向大模型微調的聯(lián)邦學習網絡，服務器對客戶端本地大模型通過增量數據訓練產生的參數，進... （共13頁）