一种基于联邦学习和深度学习的网络异常检测方法

本发明提出基于一种基于联邦学习和深度学习的网络异常检测方法，方法包括：采集网络异常数据，构建网络异常数据集；设置多个客户端，使用数据收集模块收集网络异常流量数据并进行预处理更新网络异常数据集，提取关键特征；设置一个中央服务器，初始化全局深度学习模型，向各客户端分发模型参数，接收由各客户端基于本地数据训练后加密的模型更新，更新全局深度学习模型；使用深度学习模型在网络流量特征上进行训练，识别网络异常行为模式；对实时输入网络流量进行处理分析，输出异常行为警报，预测网络故障的发生。本发明结合联邦学习的隐私保护特性和深度学习的强大特征学习能力，可以在保护数据隐私的同时，构建出高性能的异常检测模型。