基于联邦学习和信任评估的分布式入侵检测方法及系统

专利申请号：CN202110046755.5

公 开 号：CN112770291A

发 明 人：刘虹 张鹏飞 倪华 徐耀宗 邵学彬 侯昕田 

代 理 人：夏思秋

代理机构：31319 上海德禾翰通律师事务所

专利类型：发明申请

申 请 日：20210507

公 开 日：20210114

专利主分类号：H04W4/44(20180101)

关 键 词：聚合 边缘模型 模型参数 信任评估 结点 分布式入侵检测系统 防御检测系统 入侵检测模型 入侵检测系统 安全评估 模型共享 全局模型 入侵检测 网络入侵 信息安全 行为评估 训练模型 自动驾驶 聚合器 准确率 簇头 区块 上传 学习 掩码 分发 存储 抵抗 广播 

摘      要：本发明提出一种基于联邦学习和信任评估的分布式车载入侵检测系统及方法，包括以下步骤：设计基于联邦学习的分布式入侵检测系统模型；基于联邦学习实现入侵检测模型的搭建与预训练，分布式聚合器进行全局模型的广播与分发；边缘车辆基于自身的入侵检测数据进行边缘模型的训练；基于行为评估选择出边缘代表结点作为簇头完成边缘模型的聚合任务；对模型参数加入掩码后上传给RSU；RSU聚合簇头上传的模型参数，通过RSU聚合出来的模型的质量对RSU进行信任评估，从而激励分布式聚合结点竞争聚合出准确率更高的模型，最终基于区块链原理存储训练模型，完成模型共享。本发明采用信息安全的安全评估方式进一步创造了适用于自动驾驶抵抗网络入侵的防御检测系统。