公开(公告)号：CN116628497A

公开(公告)日：2023-08-22

申请号：CN202310583452.6

申请日：2023-05-23

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 段荣昌 ,  张蔚瑶 ,  余翠玲 ,  时磊 ,  张玉军 ,  侯炜 ,  鲁睿 ,  孙旷怡

IPC: G06F18/214 ,  G06F18/2415

Abstract: 本发明公开了一种基于联邦泛化数据处理方法、系统、计算设备及存储介质，所述方法包括：基于联邦对比学习进行数据建模，将数据样本标记为异常样本和正常样本的不同类别，每个本地模型在其本地数据集上进行联邦检测任务的迭代训练，并逐步更新其自己的参数；本地更新后，在可信的中央服务器聚合所有参与联邦检测任务的本地模型的参数，经过计算后聚合形成一个全局模型，然后服务器将所述全局模型分发给参与的终端，进行下次迭代训练。本发明实现在“数据孤岛”状态下对于样本的充分学习和利用，基于对比学习技术，拉近正常样本之间的距离，拉远异常样本距离，从而实现在保护隐私的前提下，对数据的建模，并为异常检测打下基础。