一种跨域时间序列联邦异常检测方法

本发明提供了一种跨域时间序列联邦异常检测方法，中央服务器对原始大语言模型的模型参数进行初始化后再分离，得到模态翻译器模块、中央单元模块和输出校准模块与训练任务同时下发至多个本地客户端；针对每个本地客户端，本地客户端将本地领域时间序列数据输入模态翻译器模块进行提取后上传至中央单元模块进行提取后输入输出校准模块进行特征提取，进而得到模型梯度用于反向传播至模型的各模块以更新模型参数并上传至中央服务器进行聚合，得到大语言模型；判断大语言模型是否满足预设训练条件；若是，则训练结束，得到用于对跨域时间序列数据进行异常检测的大语言模型；否则，将大语言模型作为步骤1中的原始大语言模型，并返回执行步骤1。