基于联合深度学习的入侵检测方法

本发明公开一种基于联合深度学习的入侵检测方法，主要解决单个机构攻击样本数量不足，不愿意分享数据，难以训练出高准确率的入侵检测模型的问题。本发明实现步骤为，包括在一个公共大数据集上预训练基础模型作为中心服务器的初始化全局模型，客户端利用基于特征的迁移学习对本地数据集进行训练，以适应特定数据特征。同时，客户端在训练过程中采用L1无结构剪枝技术优化本地模型复杂度，实现模型在资源受限设备上的高效部署。本发明生成的入侵检测模型具有高检测率、泛化能力强且适用于在资源受限环境下部署深度学习模型的优点。