基于深度神经网络量化的网络入侵检测的异构部署方法

基于深度神经网络量化的网络入侵检测的异构部署方法，属于网络安全领域，包括：先对网络流量数据进行清洗，利用滑动窗口获取连续的流量帧并基于线性插值法构建2D数据帧；选择特定的轻量级深度神经网络模型进行训练与测试；利用深度学习编译器进行模型结构分析，结合网络入侵检测数据集进行数据特征分析，自动筛选出适配的量化方案，实时监控量化进程，依照监控反馈结果调整参数；对模型进行优化与自动量化模式匹配；利用深度学习编译器自动识别不同设备的硬件特性与计算能力，依据所识别出的硬件特性对模型进行有的放矢的优化与调整。本发明提升了量化效率和网络入侵检测率，可实现模型在各类设备上的高效适配，缩短模型开发部署周期。