基于横向联邦学习的终端数据泄露事件预测方法和系统

本发明公开了一种基于横向联邦学习的终端数据泄露事件预测方法和系统，包括：对参与终端历史行为事件数据进行打标，训练初始共享模型并发送模型到参与终端；参与终端采集自身行为数据并进行数据预处理，将这些数据导入到初始共享模型中进行本地训练；参与终端将模型更新参数加密后发送到中央服务器，中央服务器对参与终端的模型更新参数进行聚合；将聚合更新的模型再发送给参与终端进行训练，直至模型达到收敛状态；开启数据泄露预测，对参与终端预测到的数据泄露事件进行告警处置；对数据泄露事件预测效果进行评估；预警端将量化评估数据发送给中央服务器进行模型参数及收敛条件优化。本发明能够实现持续优化的自动化的终端数据泄露事件预测。