一种基于多模态联邦主动学习的网络异常检测方法

本发明公开了一种基于多模态联邦主动学习的网络异常检测方法，包括步骤：通过多模态特征聚合将若干种模态的数据进行融合，生成统一的特征表示；在联邦学习框架中引入主动学习机制，允许分布式节点根据自身数据的特性和分布情况自主选择学习策略；通过自适应学习优化策略应对分布式环境中的节点异构性；通过渐进式联邦同步机制优化通信效率并减少全局同步的频率；本方法通过结合多模态数据融合、联邦主动学习，在保护数据隐私的前提下，提高网络异常检测的精度和效率。