基于区块链和联邦学习的网络流量入侵检测方法

摘要

本发明公开了一种基于区块链和联邦学习的网络流量入侵检测方法，包括：各设备独立进行新型攻击的检测与标记；进行全局模型的初始化；将各设备随机划分为工作节点和挖掘节点，工作节点利用本地数据训练局部检测模型，将自身的局部模型参数上传至区块链；挖掘节点对模型参数合法性进行验证，并基于区块链一致性算法生成合法区块；各工作节点下载合法区块，并基于联邦聚合算法对模型参数进行更新；迭代进行上述训练过程，最终得到全局的网络流量入侵检测模型。该方法基于联邦学习和区块链建立全局网络流量入侵检测模型，能够在发现新的未标记攻击类型的同时，保证各设备产生的各种流量数据留在设备本地，实现了数据隐私保护的目的。