一种基于HFL的物联网设备识别方法

本发明涉及物联网设备识别技术领域，解决了传统中心化识别方法存在隐私泄露、通信成本高、模型通用性差的技术问题，尤其涉及一种基于HFL的物联网设备识别方法，依托横向联邦学习训练机制，允许多个边缘设备在本地训练模型，并通过仅上传模型参数来有效保护数据隐私、降低通信成本。在边缘设备层面，从设备行为流量包头中提取特征，并利用改进的轻量级AlexNet网络自主学习不同层次的复杂的特征表示，实现高效的设备分类，同时利用加权交叉熵损失函数、引入动量参数的SGD优化技术来应对分布式学习场景下普遍存在的统计异构问题。