一种基于图神经网络的动态权重联邦学习异常检测方法

本发明涉及一种基于图神经网络的动态权重联邦学习异常检测方法，包括：基于图神经网络构建异常检测模型并分发至客户端，其中，异常检测模型通过图神经网络构建；客户端基于本地数据对异常检测模型进行训练，获取客户端模型并发送至服务器端，服务器端基于客户端模型结合余弦相似度量化方法对客户端动态分发权重；获取数据集并分发给客户端模型，获取客户端异常检测结果；基于客户端异常检测结果和客户端的权重更新全局模型，对更新后的全局模型进行聚合，获取最终异常检测模型；基于最终异常检测模型进行流量异常检测，获取异常检测结果。本发明在保护数据隐私的前提下能够有效处理图结构数据和时间序列数据，并在联邦学习框架下实现良好的性能。