一种面向工业互联网边界安全的联邦深度网络行为特征建模方法

本发明面向工业互联网边界安全提出了一种基于联邦深度网络学习架构的工业互联网行为特征建模方法，该方法包括如下步骤：1)构建能直接处理工业互联网负载原始数据的卷积神经网络模型；2)依托工业互联网云‑边结构构建联邦‑局部分布式学习框架，共享卷积神经网络模型结构；3)在边界设备上完成局部数据的学习和训练；4)将局部训练得到的模型参数上传到工业云聚合得到联邦模型，并用联邦模型更新所有局部模型。该方法的优点主要包括两个方面：首先，卷积神经网络的设计可以无需人工参与的特征工程过程，直接处理工业互联网负载原始数据，提取潜藏在网络数据中的工业互联网行为特征；其次，联邦学习框架避免了各工厂局域网将敏感的工业数据直接共享到云端，从而可以在不干扰工业互联网行为特征有效建模的情况下保护各工厂企业的数据隐私。
上海大学
周鹏