用于多级系统的模型训练方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114124522A(43)申请公布日2022.03.01(21)申请号202111388463.6(22)申请日2021.11.22(71)申请人北京天融信网络安全技术有限公司地址100000北京市海淀区上地东路1号院3号楼四层申请人北京天融信科技有限公司北京天融信软件有限公司(72)发明人鲍青波周晓阳万可(74)专利代理机构北京开阳星知识产权代理有限公司11710代理人王艳斌(51)Int.Cl.H04L9/40(2022.01)G06N3/08(2006.01)权利要求书2页说明书7页附图2页(54)发明名称用于多级系统的模型训练方法、装置、设备及存储介质(57)摘要本公开涉及一种用于多级系统的模型训练方法、装置、设备及存储介质，其中，方法包括：第一级系统向每个第二级系统发送待训练的网络攻击检测模型，每个第二级系统根据本地的网络攻击数据训练网络攻击检测模型，并将训练后的模型参数发送至第一级系统；第一级系统将接收的多个模型参数进行聚合，生成目标模型参数，并根据目标模型参数更新网络攻击检测模型，以及向每个第二级系统发送更新后的网络攻击检测模型；重复以上步骤直至满足预设的停止条件，第一级系统根据当前的目标模型参数生成网络攻击检测模型。根据本公开的技术方案，应用于多级隐私环境下，在保护数据隐私的同时保证了网络攻击检测模型的准确度。CN114124522ACN114124522A权利要求书1/2页1.一种用于多级系统的模型训练方法，其特征在于，所述多级系统包括第一级系统和多个第二级系统，所述方法包括：步骤S1、所述第一级系统向每个所述第二级系统发送待训练的网络攻击检测模型；步骤S2、每个所述第二级系统根据本地的网络攻击数据训练所述网络攻击检测模型，获取训练后的模型参数，并将所述训练后的模型参数发送至所述第一级系统；步骤S3、所述第一级系统将接收的多个所述训练后的模型参数进行聚合，生成目标模型参数，并根据所述目标模型参数更新所述网络攻击检测模型；以及，所述第一级系统向每个所述第二级系统发送更新后的网络攻击检测模型；步骤S4、重复步骤S2和步骤S3，直至满足预设的停止条件，所述第一级系统根据当前的目标模型参数生成网络攻击检测模型。2.如权利要求1所述的方法，其特征在于，所述根据本地的网络攻击数据训练所述网络攻击检测模型，包括：获取本地的真实攻击事件数据和误报攻击事件数据，其中，所述真实攻击事件数据为正样本，所述误报攻击事件数据为负样本；根据所述真实攻击事件数据和误报攻击事件数据训练所述网络攻击检测模型。3.如权利要求1所述的方法，其特征在于，所述模型参数包括梯度向量，所述第一级系统将接收的多个所述训练后的模型参数进行聚合，生成目标模型参数，包括：所述第一级系统将接收的多个梯度向量进行聚合，生成目标梯度向量。4.如权利要求1所述的方法，其特征在于，所述满足预设的停止条件，包括：所述第一级系统获取迭代次数，其中，所述第一级系统每次接收所述训练后的模型参数时，所述迭代次数加一；当检测所述迭代次数等于预设次数时，确定满足所述停止条件。5.如权利要求1所述的方法，其特征在于，在所述第二级系统根据本地的网络攻击数据训练所述网络攻击检测模型之后，还包括：所述第二级系统根据测试数据集对训练后的网络攻击检测模型进行测试，获取所述训练后的网络攻击检测模型的准确率，并将所述准确率发送至所述第一级系统；所述满足预设的停止条件，包括：所述第一级系统统计所述准确率大于预设准确率阈值的第二级系统的数量，当检测到所述数量大于预设数量时，确定满足所述停止条件。6.如权利要求1所述的方法，其特征在于，所述将所述训练后的模型参数发送至所述第一级系统，包括：对所述训练后的模型参数进行数据脱敏处理，并将脱敏处理后的模型参数发送至所述第一级系统。7.一种用于多级系统的模型训练装置，其特征在于，所述多级系统包括第一级系统和多个第二级系统，所述装置包括：发送模块，用于执行步骤S1、所述第一级系统向每个所述第二级系统发送待训练的网络攻击检测模型；训练模块，用于执行步骤S2、每个所述第二级系统根据本地的网络攻击数据训练所述网络攻击检测模型，获取训练后的模型参数，并将所述训练后的模型参数发送至所述第一2CN114124522A权利要求书2/2页级系统；更新模块，用于执行步骤S3、所述第一级系统将接收的多个所述训练后的模型参数进行聚合，生成目标模型参数，并根据所述目标模型参数更新所述网络攻击检测模型；以及，所述第一级系统向每个所述第二级系统发送更新后的网络攻击检测模型；生成模块，用于执行步骤S4、重复步骤S2和步骤S3，直至满足预设的停止条件，所述第一级系统根据当前的目标模型参数生成网络攻击检测模型。8.一种电子