基于恶意行为识别的联邦学习方法

本申请涉及一种基于恶意行为识别的联邦学习方法，包括采用公开数据集预训练联合模型；基于私有数据对预训练模型进行微调，得到微调后的模型；基于微调后的模型识别私有数据中的敏感数据，并对敏感数据进行加噪处理，得到加噪后的私有数据；基于加噪后的私有数据对本地模型进行训练，得到训练后的本地模型；根据模型输出计算各个本地模型的聚合权重；对各个本地模型进行共识验证，确定通过共识验证的本地模型；基于各个本地模型的聚合权重，对通过共识验证的本地模型的模型参数进行聚合，得到聚合后的模型。本申请通过敏感数据识别、自适应差分隐私、共识验证机制，在不泄露用户数据的前提下，提高恶意行为识别的准确性，确保联邦学习的可信性。