模型异构的联邦学习入侵检测

摘要： 针对模型异构和代理数据稀缺问题，提出模型异构的联邦学习入侵检测(model heterogeneous federated learning for intrusion detection, MHFL-ID)框架。首先，MHFL-ID根据模型异同对节点进行分组，将结构相同的模型分到同一组；其次，在组内采用以组长为中心的同构聚合方法，根据目标函数投影值选取组长，并引导组内节点的优... （共15页）