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！

摘要：本发明提出了一种基于联合随机森林的网络入侵检测方法；各参与方首先准备本地网络流量数据集，对数据进行预处理，训练得到本地第一随机森林模型并将该模型上传至中心服务器；中心服务器将各参与方的模型集成为集成随机森林模型并分发给各参与方；各参与方在本地构造用于逻辑回归模型训练的新数据集；中心服务器和各参与方协同完成逻辑回归模型的训练；对训练得到的联合随机森林模型调整后，将集成随机森林模型和逻辑回归模型部署到本地并执行入侵检测任务。该方法可以实现各参与方在充分保护数据隐私的前提下，构建出高效、鲁棒、可解释且可拓展的入侵检测模型。

主权项：1.一种基于联合随机森林的网络入侵检测方法，其特征在于，包括以下步骤：1各参与方准备本地网络流量原始数据集，将数据集内的网络流量样本分为正常样本和异常样本，并进行训练集和测试集的划分和预处理；2各参与方使用本地原始数据集训练第一随机森林模型，对参数进行调优，使得第一随机森林模型的AUC最小；将训练好的第一随机森林模型上传至中心服务器，中心服务器将来自各参与方的第一随机森林模型集成得到集成随机森林模型并分发给各参与方；3各参与方将本地原始训练集分为k个子集，进行k组训练和预测任务；其中，各组选择1个不同的子集作为待预测的子集，并在其余k-1个训练子集上训练新的第二随机森林模型，使用训练得到的第二随机森林模型在待预测的子集和原始测试集上进行预测；将k组任务得到的预测子集的预测结果拼接起来，作为新的训练集的特征；取k组任务得到的k个原始测试集的预测结果的平均值，作为新的测试集的特征；4各参与方在接受到中心服务器的集成随机森林模型后，使用接收到的集成随机森林模型中来自其他参与方的第一随机森林模型对自己本地的原始数据集进行预测，将预测结果作为新的训练集和测试集的特征；5各参与方利用步骤3和4得到的特征进行本地新数据集的构造；中心服务器初始化逻辑回归模型并分发给各参与方；6各参与方基于新的训练集和测试集，使用联邦学习FedAvg算法对逻辑回归模型进行训练，达到训练epoch轮数或要求的精度后停止训练；7各参与方将集成随机森林模型和训练得到的逻辑回归模型组成联合随机森林模型，把联合随机森林部署在本地，执行入侵检测任务。

全文数据：

权利要求：

百度查询： 浙江大学 基于联合随机森林的网络入侵检测方法