公开(公告)号：CN118734210A

公开(公告)日：2024-10-01

申请号：CN202410708885.4

申请日：2024-06-03

Applicant: 无锡学院

Inventor： 刘苗 ,  陈逸阳 ,  刘洋洋 ,  柳龙玺 ,  谷越

IPC: G06F18/2433 ,  H04L43/0876 ,  G06F18/213 ,  G06F18/25 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明涉及一种基于图神经网络的动态权重联邦学习异常检测方法，包括：基于图神经网络构建异常检测模型并分发至客户端，其中，异常检测模型通过图神经网络构建；客户端基于本地数据对异常检测模型进行训练，获取客户端模型并发送至服务器端，服务器端基于客户端模型结合余弦相似度量化方法对客户端动态分发权重；获取数据集并分发给客户端模型，获取客户端异常检测结果；基于客户端异常检测结果和客户端的权重更新全局模型，对更新后的全局模型进行聚合，获取最终异常检测模型；基于最终异常检测模型进行流量异常检测，获取异常检测结果。本发明在保护数据隐私的前提下能够有效处理图结构数据和时间序列数据，并在联邦学习框架下实现良好的性能。

公开(公告)号：CN119254527A

公开(公告)日：2025-01-03

申请号：CN202411527620.0

申请日：2024-10-30

Applicant: 无锡学院

Inventor： 刘苗 ,  柳龙玺 ,  陈逸阳 ,  滕秀明 ,  周顺宇

IPC: H04L9/40 ,  H04L41/16 ,  H04L41/14 ,  G06N3/098 ,  G06N3/094 ,  G06F18/214

Abstract: 本发明公开了一种基于生成对抗网络的物联网安全方法，包括：构建联邦学习模型，所述联邦学习模型包括服务器和客户端，基于服务端和客户端对生成对抗网络进行训练，获取训练结果，其中，对所述基于服务端和客户端对生成对抗网络进行训练包括：S1、获取服务器端初始参数；S2、对所述初始参数进行选择，获取客户端特征数据；S3、利用客户端特征数据对客户端本地模型进行训练，获取训练结果；S4、对所述初始参数和所述训练结果进行联邦聚合，获取合成特征；S5、基于所述合成特征对服务器端分类器进行训练，获取当前全局模型参数；S6、对所述当前全局模型参数进行选择，重复步骤S2‑S5，直至全局模型参数满足预设条件，则终止迭代。