融合图神经网络与联邦蒸馏的自适应网络入侵检测模型

打开文本图片集

摘要：网络入侵检测作为网络安全体系的重要支撑环节，其核心任务在于识别通信异常与潜在威胁。近年来，网络结构复杂度与攻击频率同步上升，流量呈多协议、多节点、多时域交织形态，传统检测范式难以维持精度与时效。为应对此，文章提出了一种融合图结构建模、对比学习、模型蒸馏与联邦协同的深度学习优化框架。该框架通过图神经网络（Graph Neural Network，GNN） 聚合流量的结构化关联特征；利用对比学习机制在无标签数据中增强异常特征的可分离性；并采用联邦蒸馏策略在保障数据隐私的同时，实现了模型的轻量化与高效训练。（剩余6193字）