一种用于不平衡网络入侵检测的联邦欠采样学习方法

本发明公开了一种用于不平衡网络入侵检测的联邦欠采样学习方法，包括联邦学习服务器和客户端，联邦学习服务器和客户端之间建立通信连接；在服务器中配置有网络入侵检测用的全部模型；服务器用于维护全局模型并将全局模型部署到客户端中进行训练学习，客户端采用本地数据集训练从服务器中下载的局部模型将训练学习后的局部模型上传至服务器中，服务器对客户端上传的本地局部模型进行聚合得到更新参数后的全局模型；在客户端采用本地数据集对服务器进行训练时，对本地数据集进行欠采样处理得到平衡后的数据集对客户端进行学习训练。针对入侵检测网络模型的联邦学习时，通过欠采样方法以解决客户端中训练数据不平衡对模型检测性能的影响。