一种加密网络异常流量检测方法、系统、设备及介质

本公开涉及网络安全技术领域，特别涉及一种加密网络异常流量检测方法、系统、设备及介质。本公开通过结合边缘计算和联邦学习的方法，提升了加密网络流量异常检测的效率与精度。边缘设备独立训练本地模型并上传至中心服务器，中心服务器通过联邦学习聚合模型参数，生成全局检测模型。本方法可更接近数据源进行实时分析，减少数据传输带来的延迟和带宽消耗。同时，通过本地训练和模型聚合的方式，避免敏感数据的集中存储和传输，有效保障数据隐私。全局模型经过多轮优化，能够精准识别加密流量中的异常行为，提高网络安全防护能力，提供了一种高效、精准且隐私保护的网络安全解决方案。