申请/专利权人：重庆邮电大学

申请日：2024-01-09

公开（公告）日：2024-04-02

公开（公告）号：CN117812593A

主分类号：H04W12/121

分类号：H04W12/121;H04W4/42;G06N3/0442;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种融合知识蒸馏的群学习架构下的入侵检测方法，属于移动通信领域。该方法包括：在具有足够资源的服务器中利用数字孪生网络构建基于知识蒸馏的群学习架构以进行教师模型的训练；将资源丰富的无人机作为领导节点并计算每个无人机领导节点的贡献度，并将贡献度最高的作为队长节点负责群学习网络中全局教师模型的聚合；为了提高教师模型的质量，建模了可靠性、时延和能耗的联合优化问题，并提出了一种数字孪生辅助的深度强化学习算法来求解该优化问题；利用所提数字孪生辅助下基于知识蒸馏的群学习架构，进行基于长短时记忆网络LSTM的入侵检测模型的训练。本发明能够显著提高无人机网络场景中入侵检测的准确性。

主权项：1.融合知识蒸馏的群学习架构下的入侵检测方法，其特征在于：该方法具体包括以下步骤：S1：在具有一定资源的服务器中利用数字孪生网络构建基于知识蒸馏的群学习架构以进行教师模型的训练；S2：将具有一定资源的无人机作为领导节点并计算每个无人机领导节点的贡献度，并将贡献度最高的作为队长节点负责群学习网络中全局教师模型的聚合；S3：计算当前群网络中系统可靠性、系统时延和系统能耗；S4：计算由系统可靠性、时延和能耗组成的系统效用函数，并建立最大化系统效用的目标函数；S5：将目标函数转换成一个马尔可夫决策过程，并采用基于DDPG的深度确定性策略梯度方法求解参与教师模型训练的无人机领导节点的最佳资源分配方案；S6：提出基于长短时记忆网络LSTM网络的入侵检测模型，教师模型和学生模型都采用基于LSTM的网络；在架构中将资源丰富的无人机作为教师节点协同训练教师模型，其余无人机作为学生节点利用知识蒸馏方法将教师模型的知识转移到学生模型中，提高学生模型入侵检测模型的泛化能力。

全文数据：

权利要求：

百度查询： 重庆邮电大学 融合知识蒸馏的群学习架构下的入侵检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD