一种基于联邦学习的网络入侵检测方法

    公开(公告)号:CN120034370A

    公开(公告)日:2025-05-23

    申请号:CN202510165585.0

    申请日:2025-02-14

    Abstract: 本发明公开一种基于联邦学习的网络入侵检测方法,包括各参与方根据本地网络情况进行流向数据收集,对数据进行筛选预处理并生成本地网络流量数据集,联邦学习采用参数循环传递的思想,每一轮次选出部分节点依次进行训练,并将训练结果应用于下一轮次,达到设定训练轮数后停止训练,各节点将最终的训练结果应用于本地入侵网络模型,执行入侵检测任务。本发明可以实现在各参与方本地数据异构情况下的联邦学习,取消了中央服务器的设置,更大限度的保护数据隐私和网络安全。

    一种SDN下多控制器的多域拓扑同步方法

    公开(公告)号:CN117834509A

    公开(公告)日:2024-04-05

    申请号:CN202410019360.X

    申请日:2024-01-05

    Abstract: 本发明公开一种SDN下多控制器的多域拓扑同步方法,包括以下步骤:各控制器通过LLDP协议获取该域内当前网络拓扑信息并更新之前的域内网络拓扑信息;若各控制器收到本域交换机上交的LLDP包中的网络拓扑信息无法与该域内当前网络拓扑信息进行匹配,则将收到该LLDP包的交换机端口定义为域间连接端口;各控制器将当前网络拓扑信息封装为包含东西向拓扑同步协议的UDP数据包,向邻域控制器发送UDP数据包;收到UDP数据包的控制器根据LLDP包中源交换机的dpid查询UDP数据包中包含的邻域交换机信息;各控制器根据域内当前拓扑信息和域间连接信息,更新当前网络拓扑信息,完成拓扑同步。本发明用于实现多控制器SDN网络下单个域拓扑发生改变,其他域中控制器拓扑的同步更新。

Patent Agency Ranking