基于联邦学习和信任评估的分布式入侵检测方法及系统
授权
摘要
本发明提出一种基于联邦学习和信任评估的分布式车载入侵检测系统及方法，包括以下步骤：设计基于联邦学习的分布式入侵检测系统模型；基于联邦学习实现入侵检测模型的搭建与预训练，分布式聚合器进行全局模型的广播与分发；边缘车辆基于自身的入侵检测数据进行边缘模型的训练；基于行为评估选择出边缘代表结点作为簇头完成边缘模型的聚合任务；对模型参数加入掩码后上传给RSU；RSU聚合簇头上传的模型参数，通过RSU聚合出来的模型的质量对RSU进行信任评估，从而激励分布式聚合结点竞争聚合出准确率更高的模型，最终基于区块链原理存储训练模型，完成模型共享。本发明采用信息安全的安全评估方式进一步创造了适用于自动驾驶抵抗网络入侵的防御检测系统。
基本信息
专利标题 ：
基于联邦学习和信任评估的分布式入侵检测方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN112770291A
申请号 ：
CN202110046755.5
公开（公告）日 ：
2021-05-07
申请日 ：
2021-01-14
授权号 ：
CN112770291B
授权日 ：
2022-05-31
发明人 ：
刘虹张鹏飞倪华徐耀宗邵学彬侯昕田
申请人 ：
华东师范大学;上海工业控制安全创新科技有限公司;中汽研软件测评（天津）有限公司
申请人地址 ：
上海市闵行区东川路500号
代理机构 ：
上海德禾翰通律师事务所
代理人 ：
夏思秋
优先权 ：
CN202110046755.5
主分类号 ：
H04W4/44
IPC分类号 ：
H04W4/44 H04W12/121 G06N20/00
法律状态
2022-05-31 ：
授权
2021-05-25 ：
实质审查的生效
IPC(主分类) : H04W 4/44
申请日 : 20210114
申请日 : 20210114
2021-05-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
