基于深度联邦学习的出入境自助设备信息保护方法

本发明提出了基于深度联邦学习的出入境自助设备信息保护方法，收集保护区域内出入境自助设备的设备相关数据，利用预设特征提取模型提取本地特征，再通过联邦学习框架对本地特征进行加密聚合，构建全局时空特征矩阵；构建时空双通道神经网络，将全局时空特征矩阵作为输入，输出动态风险评分；构建基于深度强化学习的风险评估引擎，上层元控制器依据历史与实时信息生成元策略参数，下层执行器通过DuelingDQN算法决策；根据动态风险评分进行阈值判定，确定分级保护响应级别，并结合下层执行器输出的期望累积奖励优化动作细节。本发明通过上述步骤保障设备信息安全，提升风险评估与应对的准确性和有效性。