基于半監(jiān)督聯(lián)邦學習的惡意流量檢測模型

摘要： 惡意流量檢測是應對網(wǎng)絡安全挑戰(zhàn)的關鍵技術之一。針對采用聯(lián)邦學習進行惡意流量檢測時，本地標記數(shù)據(jù)不足，非獨立同分布（non-IID）導致協(xié)同訓練模型性能下降的問題，構建一種基于半監(jiān)督聯(lián)邦學習的惡意流量檢測模型。該模型借助偽標記和一致性正則化項的半監(jiān)督學習技術，有效地從未標記數(shù)據(jù)中提取信息進行訓練；同時，設計一種非線性函數(shù)，用于動態(tài)調(diào)整客戶端本地有監(jiān)督和無監(jiān)督損失在聚合時的權重，以... （共8頁）