摘要
本申请公开了一种基于大数据的计算机网络安全分析方法，涉及网络安全领域，包括：采集用户的行为数据和交互数据；对采集的用户数据集进行预处理；采用联邦学习架构，以预处理后的用户数据集为训练样本，在用户端本地训练机器学习模型，用于用户状态分析；将训练后的机器学习模型的参数上传至云服务器，在云服务进行全局聚合，得到全局机器学习模型；根据全局机器学习模型和交互数据，采用基于异常检测的无监督学习方法，对用户的计算机网络行为进行安全分析。针对现有技术中存在的网络安全效率低，本申请通过用户端本地BiLSTM神经网络模型对用户状态进行实时分析，同时，利用联邦学习架构，在云端进行全局聚合等，提高了分析的效率。
