基于个性化联邦学习的加密流量入侵检测方法及系统

本发明提供了一种基于个性化联邦学习的加密流量入侵检测方法及系统，包括：向本地模型中添加动态正则化项进行模型训练得到特征提取增强后的本地模型；客户端根据本地数据集对本地模型进行继承得到继承后的本地模型；计算客户端之间的特征向量分布相似性并对数据分布不均的目标客户端中所对应的本地模型进行优化得到优化后的本地模型；各个客户端将最终的本地模型进行加密并上传至服务器。本发明通过在客户端本地训练阶段添加动态正则化项，考虑到客户端数据的独特性，使模型能够更好地适应不同客户端数据分布的差异，提升在数据异质性高的加密流量场景下的检测精度，并且在同态加密传输的技术加持下，实现了联邦学习的模型数据安全共享。