一种基于联邦学习的卫星网络入侵检测模型训练方法

本发明公开了一种基于联邦学习的卫星网络入侵检测模型训练方法。本发明的有益效果在于：首先，通过联邦学习的应用，实现了各卫星节点高效的模型训练，显著提高了训练的效率和准确性，同时减少了数据传输需求，降低了延迟。其次，该方法通过在每个卫星节点处理数据，并共享软标签而非整个模型信息，显著降低了计算和通信需求。此外，该方法还强化了数据隐私和安全性，由于数据在本地节点处理，有效保护了数据隐私。最后，通过结合全局与局部优化，联邦蒸馏使得模型在整体上更加健壮，同时针对特定的局部环境进行了优化。综合来看，这种方法不仅提升了处理效率和准确性，还在保护数据隐私和适应动态网络环境方面表现出色。