基于联邦学习的卫星网络异常检测方法

基于联邦学习的卫星网络异常检测方法，涉及卫星网络通信技术领域，解决现有检测系统不能有效的学习到数据间的特征模型以及无法实现最优模型训练和通信开销的平衡等问题。本发明通过对开源数据集进行预处理，构建CvT‑LSTM模型，设计具有单个服务器和K个参与者的通用框架以及使用基于本地数据量与异常检测模型精度加权的聚合策略，将被选中的客户端的异常检测模型参数上传至全局模型，由全局模型聚合后，下发给所有客户端等步骤实现。本方法避免低质量数据的干扰，从源头上减少无效数据的传输和计算，显著降低通信成本，且仅让高代表性客户端参与全局模型聚合，在保证模型性能的同时最大限度减少通信负担。