一种网络流量分类模型的训练方法及装置

本申请实施例提供了一种网络流量分类模型的训练方法及装置，可应用于人工智能技术领域，在该方法中，中央服务器与K个客户端联合对原始全局模型进行多轮增量学习训练，直到K个客户端的局部模型满足收敛条件时停止，获得目标网络流量分类模型，原始全局模型由原始网络流量数据训练获得的，K大于1；其中，每轮增量学习训练包括以下步骤：将原始全局模型的全局参数分别发送至K个客户端，以使至少一个客户端基于全局参数和本地的增量网络流量数据，对本地的局部模型进行增量学习，更新局部模型的局部参数；对K个客户端分别发送的局部参数进行聚合，以更新原始全局模型的全局参数，实现了分类模型精度的提升，保证了网络流量的安全性与实时性。