公开(公告)号：CN118821909A

公开(公告)日：2024-10-22

申请号：CN202410823922.6

申请日：2024-06-25

Applicant: 南京邮电大学

Inventor： 张晶 ,  杜翔 ,  樊欣龙 ,  朱洪波

IPC: G06N3/098 ,  G06N3/045

Abstract: 本发明公开了一种基于改进聚合算法的异构数据联邦学习方法，涉及机器学习技术领域，首先，服务器初始化全局模型，并为每个客户端分配唯一标识符；接着，服务器随机选择部分客户端并发送全局模型；然后，各客户端使用本地数据训练模型，并将训练好的模型参数上传给服务器；随后，服务器对收到的模型参数进行加权聚合，得到新的全局模型；最后，服务器对全局模型进行测试，判断学习过程是否停止，若是，则将全局模型下发并重复之前的步骤，否则结束通信，广播全局模型。本发明适用于多个场景，例如工业互联网安全中的异常检测、智慧医疗中的患者数据共享等，能够有效缓解训练数据分布不平衡导致的全局模型训练不足和通信开销大的问题。

公开(公告)号：CN119128587A

公开(公告)日：2024-12-13

申请号：CN202411220731.7

申请日：2024-09-02

Applicant: 南京邮电大学

Inventor： 张晶 ,  樊欣龙 ,  杜翔 ,  朱洪波

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/21 ,  G06F18/214 ,  G06F18/15 ,  G06N3/0442 ,  G06N3/08 ,  G06N5/01 ,  G06F18/2431

Abstract: 本发明公开了一种基于LSTM‑EWC的网络流量异常检测分类方法，所述方法包括如下步骤：S1.数据预处理；S2.特征选择；S3.模型搭建和训练；S4.模型性能评估。本发明利用EWC算法在一定范围内固化LSTM模型参数，开发一种能够持续学习网络流量特征的高效LSTM‑EWC模型，实现对特征动态变化的网络数据流的高效检测分类。