一种基于深度学习模型的概念漂移检测与适应方法、系统、设备及存储介质

本发明涉及网络入侵检测领域，具体涉及一种基于深度学习模型的概念漂移检测与适应方法、系统、设备及存储介质；包括对深度学习模型进行校准，对样本数据分布进行假设检验，求解最优化问题并更新深度学习模型。本发明通过以无监督的方式转换模型输出，以更好地表示数据分布，然后通过对模型输出分布的假设进行检验来统计检测偏移；本发明能够解决神经网络模型概念漂移检测的问题，并针对复杂系统产生的多种概念漂移进行解释和适应，因此具有良好的研究价值和应用前景。