摘要
本发明公开一种基于KAN的网络流量数据零损失类别遗忘方法，包括数据处理，划分数据，确定遗忘类别；模型训练；公式化，将KAN转化为公式；目标计算，计算优化的目标；目标公式优化，通过梯度下降法更新目标公式的系数，以实现零损失遗忘；零损失遗忘测试，测试是否实现了零损失的高效遗忘。本发明可以去除入侵检测模型对网络流量数据的记忆，帮助模型在遭受投毒攻击等特定场景下遗忘与污染数据相关的知识，有效缩短模型的空窗期，保证模型的快速恢复。具体来说，本发明基于KAN模型进行零损失遗忘，将污染的网络流量数据作为遗忘类，通过将KAN模型转化为具体的公式，来实现精准的类别遗忘，针对目标公式，即遗忘类别对应的公式，使用梯度下降算法进行系数的优化，在遗忘的同时，不影响入侵检测模型在保留数据上的准确率，实现了实验上的零损失遗忘。本发明的工程实现严格遵循网络安全防御系统轻量级、实时性、准确性的严格要求，为构建可信智能检测系统提供了理论支撑与技术方案。
