一种面向卫星网络入侵检测的隐私增强联邦学习方法

本发明提出了一种面向卫星网络入侵检测的隐私增强联邦学习方法，旨在提高卫星网络中数据隐私保护与安全性。本发明将差分隐私保护机制和联邦蒸馏框架有机结合，显著提高了模型的隐私保护能力和检测性能。针对卫星网络的分布式架构特点，该方法采用个性化本地差分隐私技术，在数据上传前对节点数据进行有效保护，显著降低数据泄露风险。结合条件生成对抗网络的双向知识蒸馏机制，实现了服务器端与卫星节点之间的高效知识传递，优化了全局模型与本地模型的性能表现。该方法在隐私保护、通信资源利用和模型性能之间达成了良好平衡，适用于复杂卫星网络环境中的入侵检测任务，为提升卫星网络的安全性提供了创新性解决方案。