[发明专利]网络异常检测模型的确定方法、装置、设备及存储介质

说明书

本公开提供一种网络异常检测模型的确定方法、装置、设备及存储介质。该方法应用于第一客户端，该方法包括：接收服务器端发送的聚合模型参数；其中，所述聚合模型参数是所述服务器端根据所述第一客户端及至少一个第二客户端各自的网络异常检测模型的当前参数确定的；根据所述聚合模型参数和所述第一客户端的网络异常检测模型的当前参数，确定所述第一客户端的网络异常检测模型的更新参数；向所述服务器端发送所述第一客户端的网络异常检测模型的更新参数，以使所述服务器端更新所述聚合模型参数。该方法可以在保证数据隐私和数据安全的情况下避免了数据孤岛的问题，可以提高异构数据的泛化能力。

技术领域

本公开涉及计算机技术领域，尤其涉及一种网络异常检测模型的确定方法、装置、电子设备及存储介质。

背景技术

随着机器学习和深度学习算法技术的不断发展，将机器学习和深度学习算法技术引入网络异常检测领域称为可能。

相关技术中，通常是使用本地数据训练网络模型，由此获得的网络模型存在数据孤岛问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种网络异常检测模型的确定方法、装置、电子设备及存储介质，该方法可以在保证数据隐私和数据安全的情况下避免了数据孤岛的问题，可以提高异构数据的泛化能力。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

本公开实施例提供一种网络异常检测模型的确定方法，应用于第一客户端，所述方法包括：接收服务器端发送的聚合模型参数；其中，所述聚合模型参数是所述服务器端根据所述第一客户端及至少一个第二客户端各自的网络异常检测模型的当前参数确定的；根据所述聚合模型参数和所述第一客户端的网络异常检测模型的当前参数，确定所述第一客户端的网络异常检测模型的更新参数；向所述服务器端发送所述第一客户端的网络异常检测模型的更新参数，以使所述服务器端更新所述聚合模型参数。

在示例性实施例中，在接收服务器端发送的聚合模型参数之前，所述方法还包括：确定所述第一客户端的网络异常检测模型中的第一子模型及第二子模型的初始化参数；其中，所述第一子模型的输入层用于输入所述第一客户端的网络流量数据，所述第一子模型的输出层与所述第二子模型连接，所述第二子模型用于输出所述网络流量数据的异常类别标签。

在示例性实施例中，根据所述聚合模型参数和所述第一客户端的网络异常检测模型的当前参数，确定所述第一客户端的网络异常检测模型的更新参数，包括：根据所述聚合模型参数、所述第一子模型的当前参数和所述第二子模型的当前参数，确定所述第一子模型的更新参数；及根据所述聚合模型参数和所述第二子模型的当前参数，确定所述第二子模型的更新参数；其中，向所述服务器端发送所述第一客户端的网络异常检测模型的更新参数，包括：向所述服务器端发送所述第一子模型的更新参数。

在示例性实施例中，根据所述聚合模型参数、所述第一子模型的当前参数和所述第二子模型的当前参数，确定所述第一子模型的更新参数，包括：根据所述聚合模型参数和所述第二子模型的当前参数，确定所述第一子模型的当前损失函数；根据所述第一子模型的当前损失函数、所述第一子模型的当前参数和第一学习率，确定所述第一子模型的当前下降梯度；及根据所述第一子模型的当前下降梯度确定所述第一子模型的更新参数；其中，根据所述聚合模型参数和所述第二子模型的当前参数，确定所述第二子模型的更新参数，包括：根据所述聚合模型参数和所述第二子模型的当前参数，确定所述第二子模型的当前损失函数；根据所述第二子模型的当前损失函数、所述第二子模型的当前参数和第二学习率，确定所述第二子模型的当前下降梯度；根据所述第二子模型的当前下降梯度确定所述第二子模型的更新参数。