一种基于联邦学习和孤立森林算法的异常检测方法及系统

本发明涉及基于联邦学习和孤立森林算法的异常检测方法及系统，包括以下步骤：通过联邦学习的服务器发布初始孤立森林模型；接收多个第一孤立森林模型，以及私有数据包；依据私有数据包中的关联信息，获取对应的第一孤立森林模型以及对应的其他用户反馈的私有数据包；将多个存在关联的私有数据包进行组合得到联合数据包，通过联合数据包重新对相应第一孤立森林模型训练，得到第二孤立森林模型；将第二孤立森林模型反馈给对应的用户，依据第二孤立森林模型进行异常数据检测；对于跨用户的组合型数据能够完整的还原，并保留用户数据的私密性，能够很好的解决该种场景下孤立森林模型的训练问题，方案结构简洁，设计也十分容易。