一种工业大数据驱动的纵向联邦迁移异常检测方法及系统

本发明提供一种工业大数据驱动的纵向联邦迁移异常检测方法及系统，方法：从工业场景中获取源域数据集和目标域数据集；源域数据集是基于已知异常标签的工业数据构建得到的，目标域数据集是基于无异常标签的工业数据构建得到的；基于预设的纵向联邦迁移模型：纵向联邦特征提取：将源域数据集和目标域数据集映射到公共特征空间中，以获取潜在特征；领域适应：从潜在特征中提取得到具有域不变性和可区分性的特征；联合领域对齐：对齐域之间距离，将具有域不变性和可区分性的特征映射得到异常标签。本发明基于联邦学习架构实现跨参与方的联邦迁移学习，使所有原始数据能够保留在参与方本地，从而避免数据泄露，具有较高的准确率和较强的泛化性。