申请/专利权人:天翼安全科技有限公司
申请日:2023-12-27
公开(公告)日:2024-03-22
公开(公告)号:CN117749515A
主分类号:H04L9/40
分类号:H04L9/40;G06N3/042
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本申请涉及网络安全技术领域,尤其涉及异常数据的分类识别方法、模型参数确定方法及存储介质。用于解决传统异常数据分类识别模型的分类识别准确率低下问题,该方法为:获取待识别数据;对待识别数据进行特征提取,得到特征向量;将特征向量输入目标Transformer模型,得到待识别数据对应的行为模式及行业类别;其中,目标Transformer模块的模型参数是联邦学习架构中的中心节点,对多个边缘节点上传的模型参数进行参数聚合后得到的,任一边缘节点的模型参数是该边缘节点基于本地收集的异常数据训练集,对本地Transformer模型进行训练得到的;这样,提高了分类识别准确率,实现了模型的全网多节点“共享”。
主权项:1.一种异常数据的分类识别方法,其特征在于,应用于联邦学习架构中多个边缘节点中的任一边缘节点,所述多个边缘节点中的至少两个边缘节点所关联的实体的行业类别不同,所述方法包括:获取待识别数据;对所述待识别数据进行特征提取,得到特征向量;将所述特征向量输入目标Transformer模型,得到所述待识别数据对应的行为模式及行业类别;其中,所述目标Transformer模块的模型参数是所述联邦学习架构中的中心节点,对所述多个边缘节点上传的模型参数进行参数聚合后得到的,所述任一边缘节点的模型参数是所述任一边缘节点基于本地收集的异常数据训练集,对本地Transformer模型进行训练得到的。
全文数据:
权利要求:
百度查询: 天翼安全科技有限公司 异常数据的分类识别方法、模型参数确定方法及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。