[发明专利]用于多级系统的模型训练方法、装置、设备及存储介质

说明书

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。

技术领域

本公开涉及人工智能技术领域，尤其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。

背景技术

随着网络安全形势不断变化，网络安全态势感知建设正在各行业持续开展。态势感知平台是安全运营工作的技术支撑，态势感知平台通过对海量安全日志或事件的威胁分析及告警，能够发现并评估当前网络安全态势状况。对于一些大型监管单位或大集团企业，通常建立上下级联动的态势感知系统，对下属单位形成统一监测模式。

目前，上级平台统一收集各下级平台的网络攻击数据并训练检测模型，上级平台将训练的检测模型下发到下级平台，下级平台根据检测模型进行检测。然而，一些数据隐私保护要求较高的场景，由于密级、敏感程度等原因上级平台无法获取下级平台的数据，上级平台无法根据下级平台的数据进行检测模型的自适应调优，网络攻击检测的准确度有待提高，

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种用于多级系统的模型训练方法、装置、设备及存储介质。

第一方面，本公开实施例提供了一种用于多级系统的模型训练方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：