基于GRU-FedAdam的工業(yè)物聯(lián)網(wǎng)入侵檢測(cè)方法
所屬分類(lèi)：技術(shù)論文
上傳者：wwei
文檔大?。?span>994 K
標(biāo)簽： 工業(yè)物聯(lián)網(wǎng) 入侵檢測(cè) GRU
所需積分：0分積分不夠怎么辦？
文檔介紹：針對(duì)工業(yè)物聯(lián)網(wǎng)中的入侵檢測(cè)存在數(shù)據(jù)隱私泄露和訓(xùn)練時(shí)間長(zhǎng)的問(wèn)題，提出一種基于GRU-FedAdam的入侵檢測(cè)方法。該方法首先采用聯(lián)邦學(xué)習(xí)協(xié)作訓(xùn)練入侵檢測(cè)模型，保護(hù)客戶端數(shù)據(jù)隱私；其次，構(gòu)建基于門(mén)控循環(huán)單元（GRU）的入侵檢測(cè)模型并采用Adam優(yōu)化算法，提高客戶端模型的訓(xùn)練速度。選用TON_IoT數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)，經(jīng)過(guò)兩輪通信輪次計(jì)算，訓(xùn)練時(shí)間比單層LSTM模型減少4 s；利用Adam算法訓(xùn)練模型比SGD算法收斂速度更快，入侵檢測(cè)模型準(zhǔn)確率為0.99。實(shí)驗(yàn)結(jié)果表明，基于GRU-FedAdam的入侵檢測(cè)方法在保護(hù)數(shù)據(jù)隱私的情況下，可減少訓(xùn)練時(shí)間和獲得更好的入侵檢測(cè)效果。
現(xiàn)在下載
VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。