基于双重知识蒸馏和联邦学习的车联网异常检测方法

基于双重知识蒸馏和联邦学习的车联网异常检测方法，涉及车联网安全技术领域，解决现有车联网异常检测方法中，不同车辆的网络流量数据存在非独立同分布问题，影响全局模型的收敛性和检测准确性以及全局模型难以充分学习各个本地异常检测模型的特性，导致检测能力受限等问题。本方法在云端引入无数据知识蒸馏机制，通过训练伪数据生成器，使全局模型从多个本地异常检测模型中学习异常网络流量的特征，并通过知识蒸馏指导本地异常检测模型训练。本方法通过利用本地异常检测模型与云端全局模型的相互学习，在车辆的本地数据不出车的前提下，有效缓解车联网中不同车辆的本地数据的非独立同分布问题，提高车联网安全性和异常检测的准确性。