Kurz gefasst
Fachartikel in der Zeitschrift 自然科学前沿, 2025. Verfasst von 李琛. Die Arbeit wurde bisher 6-mal zitiert (Crossref).
Abstract (Originalsprache)
为应对大数据环境下隐私泄露与跨域协同检测难题,本文构建了一种基于联邦学习的网络安全检测模型。通过边缘节点本地训练与中央聚合器参数融合,实现多源数据的隐私保护建模。模型融合差分隐私与对抗防御机制,在保障数据安全的同时提升了检测鲁棒性。实验以UNSW-NB15和CIC-IDS2017数据集为基础,结果显示该模型在准确率、F1值、误报率等指标上优于传统方法,且在通信开销与攻击防护方面具备明显优势。研究成果为多方参与场景下的安全协同检测提供了有效技术路径。
Zitieren
APA
李琛 (2025). 基于联邦学习的大数据隐私保护与协同网络安全检测模型研究. 自然科学前沿. https://doi.org/10.63887/fns.2025.1.2.10
Vancouver
李琛. 基于联邦学习的大数据隐私保护与协同网络安全检测模型研究. 自然科学前沿. 2025. doi:10.63887/fns.2025.1.2.10
BibTeX
@article{2025,
author = {李琛},
title = {基于联邦学习的大数据隐私保护与协同网络安全检测模型研究},
journal = {自然科学前沿},
year = {2025},
doi = {10.63887/fns.2025.1.2.10}
}
EUVIMED