一种基于电力闭源终端的深度学习自训练模型调优方法

本发明公开了一种基于电力闭源终端的深度学习自训练模型调优方法，涉及数据处理技术领域，该方法包括：获取电力闭源终端的网络攻击检测模型的基础训练样本数据和真实访问数据，进行聚类分析，并计算获得模型失效系数和类型攻击数据缺失量；根据模型失效系数和多个类型攻击数据缺失量，计算获得多个样本补充量，利用数据对抗生成通道生成补充样本攻击数据集，对网络攻击检测模型进行更新训练调优。本发明解决了现有的电力闭源终端的网络攻击检测模型在面对新型网络攻击时适应性不足，检测准确性逐渐衰减的技术问题，达到了通过自我训练和数据更新，持续不断地提高电力闭源终端的网络攻击检测模型的适应性和准确性的技术效果。