基于联邦学习的网络攻击模型协同训练方法

本发明公开了基于联邦学习的网络攻击模型协同训练方法，包括如下步骤：S1，采集并预处理本地网络数据生成训练样本；S2，构建稀疏注意力轻量变换器模型并完成本地训练；S3，基于标准样本推理提取预测概率，生成攻击响应向量；S4，引入对抗扰动样本评估鲁棒性并提取参数向量；S5，将参数、响应、鲁棒性嵌入统一向量；S6，中央服务器执行螃蟹优化选优嵌入向量；S7，基于最优节点参数与相似性进行加权融合生成全局模型；S8，下发全局参数至各节点替换旧模型并迭代训练直至收敛。本发明实现了攻击检测模型高效协同训练，显著提升了检测准确率与鲁棒性。