模型異構(gòu)的聯(lián)邦學(xué)習(xí)入侵檢測

摘要： 針對模型異構(gòu)和代理數(shù)據(jù)稀缺問題，提出模型異構(gòu)的聯(lián)邦學(xué)習(xí)入侵檢測(model heterogeneous federated learning for intrusion detection, MHFL-ID)框架。首先，MHFL-ID根據(jù)模型異同對節(jié)點進行分組，將結(jié)構(gòu)相同的模型分到同一組；其次，在組內(nèi)采用以組長為中心的同構(gòu)聚合方法，根據(jù)目標(biāo)函數(shù)投影值選取組長，并引導(dǎo)組內(nèi)節(jié)點的優(yōu)... （共15頁）