文档名：基于联邦学习和循环神经网络的无线网络入侵检测研究
为了解决无线网络入侵检测中的数据隐私问题,文中提出了一种基于联邦学习和循环神经网络的无线网络入侵检测模型,准确率可达到97.34％,训练时间为2136s.与传统的入侵检测相比,能够在缩短耗时的前提下达到一定的准确率.与分布式训练相比,所提方法的数据传送更简单且保障了用户隐私.
作者：张启宁 赵英 陈俊君 郭倩玲
作者单位：北京化工大学信息科学与技术学院北京100029北京化工大学图书馆北京100029
母体文献：中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集
会议名称：中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会
会议时间：2020年12月1日
会议地点：北京
主办单位：中国计算机用户协会
语种：chi
分类号：
关键词：无线网络 入侵检测 联邦学习 循环神经网络
在线出版日期：2021年7月19日
基金项目：
相似文献
相关博文
- 文件大小:
- 786.49 KB
- 下载次数:
- 60
-
高速下载
|
|
