一种基于多教师知识蒸馏的轻量化入侵检测方法

本发明提出了一种基于多教师知识蒸馏的轻量化入侵检测方法，适用于工业控制系统等资源受限场景。该方法首先清洗原始工控网络流量数据，进行分类特征数值化和归一化处理，并筛选重要特征。随后构建由时空卷积网络、门控循环单元和双向LSTM网络模型组成的教师群体，并设计1DCNN‑LSTM学生模型。在蒸馏训练阶段，通过动态计算各教师模型预测置信度并结合温度缩放机制生成软标签，实现知识迁移。训练完成后，学生模型部署至边缘设备，对实时网络流量进行入侵检测。该方法计算开销小，检测性能良好，适用于资源受限场景中的入侵检测任务。