•  栏目 研究性文章

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

doi https://doi.org/10.63887/fns.2025.1.2.10

作者

  • 李琛
    中国科技出版传媒股份有限公司 , 中国
期: 第 1 卷第 2 期 (2025 年): 《自然科学前沿》( Frontiers in Natural Sciences ,FNS)
关键词:
联邦学习；隐私保护；协同检测；大数据安全；网络攻击识别

摘要

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。

如何引用

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, 1(2). https://doi.org/10.63887/fns.2025.1.2.10
ACM（计算机协会会议） ACS（美国化学会） APA（美国心理学会） ABNT（巴西技术标准协会） 芝加哥（作者-日期） 哈佛格式 IEEE（电气电子工程师协会） MLA（现代语言协会） Turabian（注释-书目） 温哥华格式
下载引用

参考

齐歌.大数据技术在计算机网络信息安全管理中的应用[J].中国宽带,2025,21（05）:40-42.

李建华,银鹰,李思源,等.大数据安全与隐私计算技术综述[J].网络空间安全科学学报,2024,2（06）:1-15.

赵一畅.大数据时代的网络空间安全风险与防御[J].数字通信世界,2024,（10）:75-77+80.

郭书群.大数据环境下高职计算机网络安全防护面临的挑战与对策研究[J].信息与电脑（理论版）,2024,36（15）:130-132.

段昕汝,陈桂茸,陈爱网,等.联邦学习中的信息安全问题研究综述[J].计算机工程与应用,2024,60（03）:61-77.

作者简介

  • 李琛
    中国科技出版传媒股份有限公司 , 中国

版权

未提供许可协议