一种基于联邦持续学习的网络入侵检测方法及系统

本发明公开了一种基于联邦持续学习的网络入侵检测方法及系统，方法包括如下步骤：初始化全局模型和训练相关参数；将全局模型与训练相关参数一并广播；对收集到的数据进行数据预处理，更新本地模型，通过知识蒸馏，将旧知识加入到新模型的训练中，得到新的模型参数；在训练完本地模型后，提升模型对复杂多变网络环境的适应能力，若存在概念漂移则重新执行上述步骤；将训练相关参数上传；接收训练相关参数并使用联邦加权平均更新全局模型，得到更新后的全局模型。本申请可实现在多方协同且确保隐私数据不被泄露的条件下训练入侵检测模型，同时提升模型对于新型安全威胁的精准识别能力，以及提升模型对复杂多变网络环境的适应能力。