基于GRU-FedAdam的工業(yè)物聯(lián)網(wǎng)入侵檢測方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>994 K
標簽： 工業(yè)物聯(lián)網(wǎng) 入侵檢測 GRU
所需積分：0分積分不夠怎么辦？
文檔介紹：針對工業(yè)物聯(lián)網(wǎng)中的入侵檢測存在數(shù)據(jù)隱私泄露和訓練時間長的問題,，提出一種基于GRU-FedAdam的入侵檢測方法,。該方法首先采用聯(lián)邦學習協(xié)作訓練入侵檢測模型，保護客戶端數(shù)據(jù)隱私,；其次,，構(gòu)建基于門控循環(huán)單元（GRU）的入侵檢測模型并采用Adam優(yōu)化算法，提高客戶端模型的訓練速度,。選用TON_IoT數(shù)據(jù)集為實驗數(shù)據(jù),，經(jīng)過兩輪通信輪次計算,，訓練時間比單層LSTM模型減少4 s；利用Adam算法訓練模型比SGD算法收斂速度更快,，入侵檢測模型準確率為0.99,。實驗結(jié)果表明，基于GRU-FedAdam的入侵檢測方法在保護數(shù)據(jù)隱私的情況下,，可減少訓練時間和獲得更好的入侵檢測效果,。
現(xiàn)在下載
VIP會員，AET專家下載不扣分,；重復下載不扣分,，本人上傳資源不扣分。