一种基于多层协同防御策略的联邦学习后门攻击防御方法

本发明提出了一种基于多层协同防御策略的联邦学习后门攻击防御方法，属于网络数据安全技术领域。针对现有技术在联邦学习中往往仅覆盖某一阶段单点防护，缺乏对全流程的系统性鲁棒防御，后门攻击检测能力弱、模型恢复效率低等缺陷，提出了一种贯穿联邦学习全周期（训练、聚合、部署）的多层防御框架，在各层间建立起特殊的信息流动渠道、全局安全评估系统和自适应资源分配策略，将三个防御层有机结合成一个协同作战的整体。这种协同机制不仅提高了单个防御层的效能，更实现了"1+1+1>3"的协同效应，为联邦学习系统提供了全方位、智能化的后门攻击防御解决方案。