基于改进联邦学习的无线通信网络入侵安全检测方法

摘要

针对目前无线通信网络领域存在的安全问题，提出了一种基于改进联邦学习的无线通信网络入侵安全检测方法。改进联邦学习框架包含本地训练和服务器聚合两部分。本地训练基于注意力-门控循环单元(Attention-gated Recurrent Unit, AGRU)训练本地数据，并上传服务器。服务器基于注意力机制(Attention Mechanism, AM)为每个客户端赋予不同的权重，并对加权后的模型参数进行聚合。通过消融实验验证了所提改进联邦学习框架的有效性。与FedAvg和FedNovaka联邦学习框架相比，所提方法综合性能最优。所提方法为无线通信网络入侵检测的发展提供了一定借鉴，具有广泛的应用前景。

关键词

无线通信网络 / 联邦学习 / 深度学习 / 卷积神经网络 / 注意力机制

基金资助

陕西省中华职业教育社2023年职业教育研究课题(ZJS202367); 汉中职院2021年院级教学研究与教学改革项目(HZZYJY2021006)