-
公开(公告)号：CN117375947A
公开(公告)日：2024-01-09
申请号：CN202311396788.8
申请日：2023-10-26
Applicant: 北京工业大学
IPC: H04L9/40
Abstract: 本发明公开了面向边缘异构的个性化联邦学习入侵检测方法，提出的基于个性化剪枝的自适应模型压缩算法能够使参与者能够拥有个性化模型以此应对边缘节点资源约束存在异构性的问题，从而提高联邦学习效率；同时系统中的基于相似度加权的异步模型聚合策略能够使网络结构不同的本地模型进行细粒度聚合，应对节点之间数据呈现非独立同分布的问题，从而提高入侵检测精度。本发明设计实验，对比多个方法的实验效果。实验结果证明，本发明对于边缘异构场景下资源受限的客户端训练效率上有显著提升，在数据非独立同分布的场景下客户端的入侵检测精度能够得到提高。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
