买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京审计大学;南京工业大学申请的专利一种融合transformer-联邦学习-知识蒸馏的网络攻击检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118353654B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410391047.9，技术领域涉及：H04L9/40；该发明授权一种融合transformer-联邦学习-知识蒸馏的网络攻击检测方法是由季慧慧;李欣;张贺设计研发完成，并于2024-04-02向国家知识产权局提交的专利申请。

本一种融合transformer-联邦学习-知识蒸馏的网络攻击检测方法在说明书摘要公布了：本发明公开了一种融合Transformer‑联邦学习‑知识蒸馏的网络攻击检测方法，该方法通过采集工业互联系统网络攻击数据集，使用Transformer深度学习模型对数据集进行特征提取分类，各个局部服务器进行联邦学习训练将数据使用Transformer加密协议上传至中央，中央服务器解密整体数据后针对非IID分布数据进行知识蒸馏反哺训练返回重新进一步进行决策评估与预测，直至检测满足性能要求结束程序。本发明有效地解决了目前工控系统加密性能差、检测精度低的缺陷，以加强化工工控系统隐私保护的方式搭建了一个基于Transformer‑联邦学习‑知识蒸馏的入侵检测网络框架，提高了训练过程中模型参数的安全性，实现了化工工控网络系统的安全保护。

本发明授权一种融合transformer-联邦学习-知识蒸馏的网络攻击检测方法在权利要求书中公布了：1.一种融合transformer-联邦学习-知识蒸馏的网络攻击检测方法，其特征在于包括如下步骤：S1：引入多方注意力学习机制设计Transformer模型，建立基于深度学习的化工互联控制系统的入侵检测模型；利用化工工业网络攻击数据集对本地工业数据进行标记并进行数据预处理，然后输入Transformer模型中进行训练，实现检测系统的分类；S2：根据系统分类后结果，利用已知分类标签对原始的化工互联系统数据集进行排序分区，使用联邦学习框架将各个分区内的数据构成数据子集进行局部的模型训练求取权重，根据设计的阈值范围筛选出符合条件的局部模型权重，上传至中央服务器实现聚合得到最优的全局预测权重；S3：在每个客户端数据集中引入一个未标记的开放数据集实现对类的高效划分，为避免未标记的开放数据集上生成低质量的logit，在联邦学习框架基础上融入知识蒸馏技术使用大模型反哺小模型，引入多种机制共同提高未标记区域logit质量，进而形成一个Transformer-联邦学习-知识蒸馏框架；S4：在局部客户端和中央服务器之间设计Paillier密码系统的通讯协议，参与方上传的局部预测权重将使用Paillier加密算法进行加密，随后使用安全通道传输给中央服务器，再经过Paillier解密实现系统解密，完成系统参数模型的更新，通过此协议保护模型参数在训练过程中的安全性和隐私；S5：在Transformer-联邦学习-知识蒸馏框架模型基础上引入模型融合策略，使用知识蒸馏技术将已训练好的全局预测模型知识转移给局部的子服务器，通过模型集成方法对集成后的模型进行性能评估，通过各个指标的计算和性能比较，证明模型的有效性；所述步骤S2包括：S2-1、使用联邦学习入侵框架的客户端需要上传每个标签的平均预测代替上传所有参数，每个客户端m拥有的私有数据集DmDm＝Dm，0∪Dm，1∪...∪Dm，L-1，根据标签划分为L个子集，客户端m使用对应的数据集Dm训练局部模型，各个客户端分别计算每个标签的平均值，所得结果称为局部平均logit向量；详情如下： 表示局部平均logit向量N为私有样本数，n分别表示样本的矢量化特征、样本的单热标签、数据集Dm中的样本个数且为单热向量即S2-2、在第一轮通讯开始之前用中央服务器的深度学习模型初始化客户端m的深度学习模型，即αm←αs，其中αs和αm分别表示服务器的深度学习模型的初始参数和客户端m的深度学习模型的初始参数；S2-3、每个客户端经过局部训练上传各自平均logit向量到中央服务器，中央服务器再将全局平均logit向量广播到每个客户端m，客户端m再使用新的局部平均logit向量和标签训练其模型，更新后的局部平均logit表达式如下所示：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京审计大学;南京工业大学，其通讯地址为：211815 江苏省南京市浦口区雨山西路86号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。