边缘计算中基于深度森林的用户异常行为检测方法

摘要

本发明请求保护一种边缘计算中基于深度森林的用户异常行为检测方法，包括步骤：S1，云中心将MEC节点收集的用户日常数据进行预处理；S2，云中心确定深度森林每层的并行训练任务；S3，云中心通过群智能算法将训练任务分配给MEC节点；S4，云中心下发任务所需训练数据，所有MEC节点接收数据后同时进行训练，得到该级联层的子森林训练结果；S5，所有MEC节点将训练结果上传到云中心，得到所有层的训练结果后，云中心整合为异常行为检测模型，并将模型下发到MEC节点，进行用户异常行为检测。本发明结合边缘计算特点和深度森林的并行优势，解放了云中心部分计算压力，提高了基于深度森林的异常行为检测系统的训练效率，从而减少异常行为检测系统建立耗时。