买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利一种基于联邦学习的网络入侵检测方法、装置及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118400118B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410135422.3，技术领域涉及：H04L9/40；该发明授权一种基于联邦学习的网络入侵检测方法、装置及系统是由李丽香;叶子超;彭海朋;吴薇;暴爽;徐章皓设计研发完成，并于2024-01-31向国家知识产权局提交的专利申请。

本一种基于联邦学习的网络入侵检测方法、装置及系统在说明书摘要公布了：本发明涉及一种基于联邦学习的网络入侵检测方法、装置及系统，属于网络安全检测技术领域，其中方法包括数据预处理、局部模型训练、全局模型聚合三部分。在数据预处理阶段，通过SMOTE‑ENN算法为少数样本类创建高质量样本，缓解数据分布不平衡问题，通过mRMR算法删除冗余数据，选择独立高质量的特征，消除数据冗余、减少数据噪声，提高数据集质量，从而达到提高算法速度和入侵检测模型准确度的效果；在局部模型训练时，以集成学习模型为局部分类模型，选择决策树、随机森林、极端随机树和梯度提升树算法作为集成学习模型的基选择器，这些算法的应用减少了单一模型的偏差和方差，能够提高模型的鲁棒性、泛化能力和准确性。

本发明授权一种基于联邦学习的网络入侵检测方法、装置及系统在权利要求书中公布了：1.一种基于联邦学习的网络入侵检测方法，其特征在于，包括以下步骤： 步骤1：采用特征工程方法对原始数据集进行数据预处理，得到经处理的数据，并将经处理的数据划分成K个部分，再将K个部分的数据分别分散给K个局部模型使用； 其中，采用特征工程方法对原始数据集进行数据预处理包括以下步骤： S1-1：对所述原始数据集依次进行数据清洗、独热编码和Z-score处理，得到归一化后的数据； S1-2：利用SMOTE-ENN算法为归一化后的数据创建新的样本和消除噪声样本，得到高质量样本数据； S1-3：利用mRMR算法计算高质量样本数据在特征空间中的mRMR的值，并根据mRMR的值删除冗余数据，最终得到经处理的数据，其中mRMR＝maxD-minR，maxD表示特征与目标变量之间的最大相关性，minR表示特征之间的最小冗余标准； 步骤2：以集成学习模型构建所述局部模型，并选择决策树算法、随机森林算法、极端随机树算法和梯度提升树算法作为集成学习模型的基选择器，使用经处理的数据对集成学习模型进行训练和更新，并在每轮训练结束后，将集成学习模型参数上传至中央服务器； 步骤3：所述中央服务器根据FedAvg策略将收到的所有局部模型上传的参数进行聚合，生成全局模型的参数，并使用全局模型的参数对新的数据进行训练，得到训练好的全局模型，所述中央服务器将训练好的全局模型的参数下发给K个局部模型，K个局部模型进行参数更新和训练，直至局部模型收敛，收敛后的局部模型使用全局模型的参数进行网络入侵检测，并输出网络入侵检测分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。