基于联邦学习和Transformer的工业互联网入侵检测方法

摘要

提出了一种新的入侵检测方法，用来检测针对工业互联网的网络威胁.利用卷积神经网络和门控循环单元，结合Transformer模型的核心模块Transformer Block构建了一个新的深度学习入侵检测模型.同时为了保护本地客户端数据隐私并满足工业网络的分布式特点，将新的入侵检测模型融合联邦学习框架，允许多个工业互联网共同构建一个综合性的入侵检测模型，提高了针对工业网络攻击检测的准确率.在真实工业数据集上进行的实验证明了提出的模型在工业网络环境下的检测准确率高于现有方法，在检测工业互联网威胁方面有较好的效果.

关键词

工业互联网 / 入侵检测 / 联邦学习 / 神经网络 / Transformer

基金资助

辽宁省自然基金项目(2022-MS-291); 辽宁省教育厅基本科研项目(LJKMZ20220781,JYTMS20231488,LJKQZ 20222457)