一种基于机器学习的入侵检测系统及方法

本发明涉及网络安全技术领域，特别涉及一种基于机器学习的入侵检测系统及方法，该系统包括：动态特征选择模块，通过强化学习策略网络动态生成特征掩码，根据动作回报函数实时选择最优特征子集；轻量化检测模块，采用深度可分离卷积结构，并实施混合精度量化与结构化剪枝，以动态ReLU为激活函数；增量学习引擎，基于本地缓存数据在线微调模型，通过基于Fisher信息矩阵的动态正则化约束权重；边缘‑云协同模块，对模型参数差异进行同态加密与差分隐私处理，并通过鲁棒联邦聚合算法更新全局模型。本发明基于轻量化边缘部署与实时增量学习，降低计算开销，提高鲁棒性。