一种基于免模型联邦元学习的网络流量异常检测方法

摘要

本发明涉及信息安全技术与人工智能技术领域，其公开了一种基于免模型联邦元学习的网络流量异常检测方法，解决现有技术难以同时兼顾数据隐私安全保护和小样本场景下异常流量检测的问题。本发明包括：元学习数据集构建：首先对各节点服务器上目标网络流量进行采集并进行标记，其次将各节点服务器上标记好的流量数据重建为可用于小样本学习的元学习数据集；本地模型构建与训练：在各节点服务器上部署用于本地模型训练的流量检测元学习模型；联邦学习模型加密训练，在协同服务器主导下，对数据进行加密训练迭代，得到最终的小样本流量检测元学习模型。