一种网络流量的联邦学习泛化方法及系统

本发明公开了一种网络流量的联邦学习泛化方法及系统，属于通信网络技术领域，首先采集联邦学习环境下不同网络节点的数据概要，通过智能节点选择方法动态选择网络节点作为联邦学习的参与客户端，确定参与每一轮模型训练的网络节点集合。利用自适应聚类算法自动将参与每一轮模型训练的网络节点集合分组成若干个数据分布相近的群组。通过基于自适应聚类的群组专属模型训练方法为群组独立训练一个模型分支，通过多模型分支智能融合方法将所有模型分支的学习成果整合到主模型中，使主模型能够综合各个模型分支的知识。本发明能够显著提升模型在未见过的数据分布上的泛化能力，进而提高网络通信的数据流业务识别精度。