[发明专利]物联网入侵检测模型训练方法、装置、设备及存储介质

权利要求书

1.一种物联网入侵检测模型训练方法，其特征在于，其应用于训练物联网入侵检测模型，所述物联网入侵检测模型包括特征提取器和分类器，所述方法包括：

利用所述特征提取器从预先获取的全部打上标签的互联网源域数据和物联网源域数据、以及部分打上标签的物联网目标域数据中提取互联网源域数据特征向量、物联网源域数据特征向量、物联网目标域数据特征向量；

利用所述分类器对所述互联网源域数据特征向量、所述物联网源域数据特征向量、所述物联网目标域数据特征向量进行预测，得到目标分类结果；

根据所述目标分类结果和预设的目标损失函数计算损失函数值，并根据所述损失函数值优化所述物联网入侵检测模型，所述目标损失函数包括分类器分类时的第一损失函数、融合源域数据与目标域数据的第二损失函数、基于预测概率标签分布知识信息迁移的第三损失函数和采取空间图匹配以匹配源域数据图和目标域数据图的第四损失函数。

2.根据权利要求1所述的物联网入侵检测模型训练方法，其特征在于，计算所述第一损失函数的第一损失函数值，包括：

利用所述分类器对所述互联网源域数据特征向量、所述物联网源域数据特征向量和有标签的物联网目标域数据特征向量进行预测，得到第一分类结果；

将每个特征向量的第一分类结果与自身对应的标签进行比对，并计算第一交叉熵损失值，再对所有的第一交叉熵损失值取平均值，得到所述第一损失函数值。

3.根据权利要求1所述的物联网入侵检测模型训练方法，其特征在于，所述物联网入侵检测模型还包括对抗网络；计算所述第二损失函数的第二损失函数值，包括：

将所述互联网源域数据特征向量和所述物联网源域数据特征向量标记为第一预设类别，并将所述物联网目标域数据特征向量标记为第二预设类别；

将所述互联网源域数据特征向量、所述物联网源域数据特征向量、所述物联网目标域数据特征向量以及各自标记的预设类别输入至所述对抗网络进行预测，得到第二分类结果；

将每个特征向量的第二分类结果与自身对应的预设类别进行比对，并计算第二损失值，再对所有的第二损失值取平均值，得到所述第二损失函数值。

4.根据权利要求1所述的物联网入侵检测模型训练方法，其特征在于，计算所述第三损失函数的第三损失函数值，包括：

利用所述分类器对所述互联网源域数据特征向量进行预测以得到第一预测概率分布向量，并对所述物联网源域数据特征向量进行预测以得到第二预测概率分布向量；

根据同一类别对应的第一预测概率分布向量和第二预测概率分布向量计算得到每个类别的第一均值向量；

利用所述分类器对有标签的物联网目标域数据特征向量进行预测，得到第三预测概率分布；

根据每个有标签的物联网目标域数据所属类别对应的第一均值向量和第三预测概率分布计算每个有标签的物联网目标域数据的第三交叉熵损失值，再对所有的第三交叉熵损失值取平均值，得到所述第三损失函数值。