一种基于边界敏感联邦专家多模态检测的入侵检测方法

本发明提出了一种基于边界敏感联邦专家多模态检测的入侵检测方法，基于原始流量特性拼接、合成、融合出7类判别性特征，设计多模态协同注意力模型MultiModalFusion，将特征划分为协议状态、流量行为、统计分布、连接关系四模态，利用动态权重学习实现跨模态信息交互。针对数据不平衡问题，开发边界敏感条件生成器BSGenerator通过动态边界策略，结合复合损失函数的方法引导少数类样本生成。最终构建联邦元策略专家委员会，采用可学习的策略网络动态融合四专家决策，并通过SHAP可解释模块验证特征贡献度。最后，使用数据集UNSW‑NB15验证该方案的效率，经过多方案对比，该方案有显著的准确率、加权平均F1分数提升，为实时入侵检测方案提供新范式。