南京邮电大学学报(自然科学版)

作者：许建,任义,周浩,戴华,杨庚

单位：1. 南京邮电大学 计算机学院，江苏 南京 2100232. 南京邮电大学 江苏省大数据安全与智能处理重点实验室，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 2100231. 南京邮电大学 计算机学院，江苏 南京 2100232. 南京邮电大学 江苏省大数据安全与智能处理重点实验室，江苏 南京 2100231. 南京邮电大学 计算机学院，江苏 南京 2100232. 南京邮电大学 江苏省大数据安全与智能处理重点实验室，江苏 南京 210023

关键词：联邦学习；异常检测；隐私保护；自适应噪声；混合注意力机制

基金：国家自然科学基金（62372244）资助项目

现有基于联邦学习架构的分布式异常检测难以兼顾异常检测性能与数据隐私保护。为此，提出了一种基于自适应噪声与混合注意力机制的联邦学习异常检测模型。该模型以卷积神经网络为基础，通过融合空间与多头的混合注意力机制对复杂特征进行多维度、深层次提取，实现高精度的异常检测。其次，基于本地和中心化差分隐私，通过自适应噪声添加与隐私预算分配，进一步提高了模型的隐私性和鲁棒性。基于公开数据集 NSLKDD 及 UNSWNB15 对模型进行了实验验证。实验结果表明，与现有主流方案相比，该模型能够在保证用户数据隐私性的同时，实现更高质量的异常检测。

来源：2025年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第05期