一种基于局部模型和集成学习的XGBoost模型后门检测方法及系统

本发明提供了一种基于局部模型和集成学习的XGBoost模型后门检测方法及系统，属于机器学习安全领域。本发明通过在原始数据上训练多个局部XGBoost模型，针对不同的数据子集，以强化模型对于异常行为的识别能力。本发明利用局部模型的输出进行集成学习，通过对比不同局部模型的预测结果，识别出异常模型输出，这种方式可以进一步增强检测的可靠性。本发明可以有效地提升XGBoost模型在实际应用中的安全性和稳定性，特别是在数据敏感或安全要求高的领域，如金融服务和个人隐私保护等，为机器学习模型的安全训练和应用提供了一种新的解决方案。