典型文献
基于联邦学习的入侵检测机制研究
文献摘要：
大数据时代的到来使得数据成为社会发展的重要战略资源.然而随着网络环境日趋复杂化,隐私泄露和恶意攻击事件层出不穷.联邦学习作为一种新型数据共享模型,能够在保护数据隐私的前提下进行数据共享,有效解决了传统入侵检测模型的弊端.文章首先介绍了联邦学习及入侵检测模型的构成及特点,提出了基于联邦学习的入侵检测机制,并深入分析了该检测机制在检测准确率及效率上有效提升的可行性.通过对模型进行需求分析和设计,并以函数编程进行模拟仿真实验,实现原型系统开发.实验表明联邦学习机制能够在保证参与客户端数据隐私安全的前提下实现多方攻击行为日志的共享.多组控制变量的对照实验表明,基于联邦学习的入侵检测机制在检测准确率及效率上得到明显改善.
文献关键词：
联邦学习;恶意攻击;入侵检测;网络安全
中图分类号：
作者姓名：
白宏鹏;邓东旭;许光全;周德祥
作者机构：
天津大学智能与计算学部,天津 300350;中国电子系统技术有限公司,北京 100070;长城汽车股份有限公司,保定 071000
文献出处：
引用格式：
[1]白宏鹏;邓东旭;许光全;周德祥-.基于联邦学习的入侵检测机制研究)[J].信息网络安全,2022(01):46-54
A类：
B类：
联邦学习,检测机,得数,战略资源,网络环境,隐私泄露,恶意攻击,习作,数据共享模型,入侵检测模型,检测准确率,需求分析,模拟仿真实验,原型系统,系统开发,学习机制,客户端,数据隐私安全,攻击行为,行为日志,控制变量,对照实验,上得
AB值：
0.280744
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
