一种基于联邦学习的车联网入侵检测模型构建方法

本发明公开了一种基于联邦学习的车联网入侵检测模型构建方法，将本地模型按照特征提取器和分类器进行解耦；选择与每个参与训练的车辆客户端相似度较高的其它车辆客户端；服务器收集各车辆客户端的本地特征提取器，并与上一轮次所得全局分类器分发给各车辆客户端；将本地分类器与服务器分发的其它车辆客户端的特征提取器进行聚合，形成评估模型；更新权重，得到更新后的车辆客户端本地特征提取器，将其与上一轮的全局分类器结合，更新本地模型；利用更新前后的车辆客户端本地特征提取器对本地数据集提取的特征表示进行聚合后，得到当前特征表示；服务器收集所有当前特征表示训练全局分类器，并分发给参与下一轮训练的车辆客户端，本发明保障了数据隐私和安全性。