基于联邦学习的云边端协同故障检测方法及装置

本申请涉及设备故障检测技术领域，特别涉及一种基于联邦学习的云边端协同故障检测方法及装置，其中，方法包括：对预设残差网络残差块结构中的卷积操作降维处理，得到一维卷积层残差块；并在一维卷积层残差块内集成通道注意力机制SE模块；对新的残差块结构进行层次化堆叠并重构残差网络维度，得到边侧设备故障检测分类器；对预设联邦学习模型参数稀疏化处理并进行多密钥同态加密，得到联邦学习检测模型并对边侧设备故障检测分类器进行训练，构建边侧设备故障检测分类模型，输出设备的云边端协同故障检测结果。由此，解决了相关技术中，故障检测存在的算法模型动态适应性差、数据安全和隐私无法得到有效保障、实时性存在瓶颈等问题。