基于联邦大模型的网络攻击检测方法及系统

本发明公开了一种基于联邦大模型的网络攻击检测方法及系统，涉及网络攻击检测技术领域。具体步骤为：在客户端实时获取捕获的流量数据；对流量数据进行解析，提取数据包中的字段信息；将字段信息以文本的形式输入到SecGPT‑LSTM模型中进行数据特征提取与深度分析，输出网络攻击检测分类结果；设计基于联邦大模型的网络攻击检测框架对SecGPT‑LSTM模型进行更新学习，接收客户端加密后的增量参数，执行加权聚合生成全局模型参数，并下发至客户端进行更新迭代。本发明通过联邦学习和SecGPT大模型技术，解决数据隐私保护、模型更新效率、攻击检测准确率和模型泛化能力不足的问题，提升网络攻击检测的整体性能。