一种共享数据操纵检测方法和系统

本发明属于深度学习技术领域，具体涉及一种共享数据操纵检测方法和系统，包括下列步骤：数据采集模块从分布式优化算法的各个节点实时采集共享数据；数据预处理模块对采集到的数据进行清洗、标准化和特征提取；选择卷积神经网络CNN作为基础模型，对模型进行训练，从而构建深度学习模块；预警与应对模块根据深度学习模块的输出结果进行预警和应对。本发明通过实时监测和预警数据操纵行为，有效提高了分布式优化算法的安全性和稳定性。该方法包括数据收集、预处理、数据操纵检测和预警与应对等步骤，结合神经网络模型进行自动学习和识别，提高了数据操纵检测的准确性和实时性，为分布式优化算法的安全保障提供了有力支持。