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！

申请/专利权人：哈尔滨工业大学

摘要：本发明提出一种基于Drop‑MAML的小样本学习入侵检测方法，属于入侵检测技术领域。包括：S1.初始化元学习模型；S2.根据训练次数设置元学习模型总损失或对元学习模型进行参数调整；S3.根据待取出元任务编号确定取出元任务或更新元学习模型训练次数；S4.判断元任务是否符合丢弃策略，基于丢弃概率阈值和丢弃策略决策是否丢弃元任务；S5.深拷贝元学习模型，获得基学习器，将元任务划分为支持集和询问集，支持集迭代优化基学习器，询问集计算lossi；S6.将lossi累加到总损失sum‑loss中,执行S3。解决无法利用少量新型恶意攻击样本对模型参数进行充分调整，使模型无法适应新型恶意攻击识别问题。提升小样本场景攻击识别效果。

主权项：1.一种基于Drop-MAML的小样本学习入侵检测方法，其特征在于，包括以下步骤：S1.初始化元学习模型，此时元学习模型训练次数epoch＝0；S2.根据训练次数设置元学习模型总损失或对元学习模型进行参数调整，方法是：若元学习模型训练次数epoch迭代次数M，则将总损失sum-loss设置为0，将迭代次数设置为0，同时执行S3；若元学习模型训练次数epoch≥迭代次数M，则利用测试元任务中的小样本数据对元学习模型Meta-Learner进行参数调整；S3.根据待取出元任务编号确定取出元任务或更新元学习模型训练次数，方法是：待取出元任务编号＜n，则从训练元任务集{T0,T1……Tn-1}中取出元任务Ti，同时执行S4；待取出元任务编号≥n，则利用总损失sum-loss计算平均损失avg-loss，利用平均损失avg-loss更新元学习模型，此时元学习模型训练次数epoch＝epoch+1，同时执行S2；S4.判断元任务是否符合丢弃策略，设置丢弃概率阈值P，基于丢弃概率阈值P和丢弃策略决策是否丢弃元任务，具体为：判断元任务是否符合丢弃策略，若符合丢弃策略，设置丢弃概率阈值P，利用随机函数random生成一个0到1的随机值，若随机值小于丢弃概率阈值P，则丢弃元任务，同时执行S6；否则执行S5；丢弃策略包括基于距离的丢弃策略和基于分类器的丢弃策略，计算元任务和目标任务的相似度，以预设概率丢弃相似度低的元任务；S5.深拷贝元学习模型，获得基学习器，将元任务Ti划分为支持集和询问集，利用支持集迭代优化基学习器，利用询问集计算基学习器在元任务Ti上的模型损失lossi；S6.将lossi累加到总损失sum-loss中，取出的元任务的编号i＝i+1,执行S3。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于Drop-MAML的小样本学习入侵检测方法