基于分布式联邦学习的识别低轨卫星网络攻击方法及装置

本申请涉及一种基于分布式联邦学习的识别低轨卫星网络攻击方法及装置。所述方法包括：获取数据集，对数据集特征进行最大最小化处理，得到归一化数据集；采用MIC‑CFS融合算法对归一化数据集进行处理，得到样本特征集；对样本特征集进行降维处理，得到训练数据集；客户端从服务器端获取初始训练模型，基于训练数据集对初始训练模型进行训练，得到初始更新模型；对初始更新模型进行同态加密后发送至服务器端；服务器端基于解密后的初始更新模型对全局模型进行聚合更新。本发明能够有效剔除冗余的特征信息和噪声，确保数据和模型隐私不被泄露，能够在保护隐私的同时提高识别攻击的准确性，为低轨卫星网络的安全防御提供了一种思路。