一种基于联邦图神经网络的网络入侵检测方法

本发明提供了一种基于联邦图神经网络的网络入侵检测方法，包括：对网络流量数据进行图结构建模，构建各个客户端的局部子图，采用了联邦学习框架，客户端在本地通过局部子图进行图神经网络模型训练，并将加密后的数据和模型参数上传至服务器，避免了数据共享的安全隐患。服务器对来自各客户端的加密余数集合和模型参数进行聚合，生成全局模型参数与聚合加密余数集合，并将其反馈给客户端，实现跨客户端协同训练。通过引入中国剩余定理对加密数据进行解密处理，确保数据的安全性和隐私性，同时提升了特征的重构精度。该发明有效地解决了跨组织协作中数据孤岛问题，并且在保证隐私保护的前提下提高了入侵检测系统的实时性和准确性。