一种针对边缘联邦网络攻击的安全防御方法

本发明公开了一种针对边缘联邦网络攻击的安全防御方法，涉及人工智能安全技术领域。边缘服务器与本地设备通过交换模型参数来共同训练一个全局模型，确保数据隐私的保护。各参与方在本地进行数据训练，并通过基于密度的空间聚类算法进行异常检测。更新后的模型参数被上传到边缘服务器，通过使用TD3深度强化学习网络进行全局模型的优化与鲁棒聚合，进一步提升模型对潜在攻击的防御能力。最终，边缘服务器将优化后的全局模型下发给各参与方，保证模型的持续更新和系统的安全性。本发明通过结合边缘计算与深度强化学习技术，有效增强了系统对投毒攻击和对抗攻击的防护能力。