原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
20217
年第期技术研究
doi：10.3969/j.issn.1671-1122.2021.07.004
融合区块链与联邦学习的网络入侵检测算法
任涛1，金若辰1，罗咏梅2
（1.东北大学软件学院，沈阳110169；2.天津大学智能与计算学部，天津300072）
摘要：为了保护网络用户的数据隐私，并提升入侵检测在多变小样本数据环境
下的分类效果，文章采用联邦学习机制来解决网络数据存放在各独立设备并且互不共
享的问题。文章提出一种融合区块链的联邦学习机制（BFL），采用区块链网络替代中
央服务器构建新型联邦学习模式。结合BFL机制，设计面向轻量级网络设备的入侵检
测算法（BFL-IDS），克服联邦学习过于依赖单一服务器的缺点，避免联邦学习的服务
器单点故障问题。实验表明，该算法的分类正确率可以达到98.8%。进一步，在网络入
侵数据检测分析框架中引入了麻雀搜索算法优化的支持向量机，改进后的入侵检测分
析方法结果相比传统搜索算法检测准确率提高5.01%，误报率降低6.24%。
关键词：入侵检测系统；区块链；联邦学习；支持向量机；自动编码器
中图分类号：TP309文献标志码：A文章编号：1671-1122（2021）07-0027-08
中文引用格式：任涛，金若辰，罗咏梅.融合区块链与联邦学习的网络入侵检测算法[J].信息网络安全，
2021，21（7）：27-34.
英文引用格式：RENTao,JINRuochen,LUOYongmei.NetworkIntrusionDetectionAlgorithmIntegrating
BlockchainandFederatedLearning[J].NetinfoSecurity,2021,21(7):27-34.
NetworkIntrusionDetectionAlgorithmIntegratingBlockchain
andFederatedLearning
112
RENTao,JINRuochen,LUOYongmei
（1.SoftwareCollege,NortheasternUniversity,Shenyang110169,China;2.CollegeofInteligenceand
Computing,TianjinUniversity,Tianjin300072,China)
Abstract:Inordertoimprovetheclassificationeffectofthevariedandsmallsample
datafacedbytheintrusiondetectionfield,thispaperadoptsthefederatedlearning
mechanism,whichiswidelyusedindistributedtrainingrecently,tosolvetheproblemthat
networkdataisstoredinindependentdevi
文档评论（0）