一种工业互联网边缘计算环境下基于双向认证的联邦学习方法

本发明公开了一种融合双向身份认证与动态参与者管理机制的联邦学习方法，该方法以OPAQUE协议为基础构建客户端与中心服务器间的双向认证框架，确保每轮联邦学习任务开始前均建立安全可信的通信连接；同时引入结合通信延迟与历史行为评分的信誉计算方法，对参与客户端进行实时筛选与管理，从而提升训练过程的安全性与鲁棒性；此外，通过构建模型有效性验证与信誉动态更新机制，防止低质量或恶意节点干扰模型聚合结果，最终实现一种面向工业边缘环境、具备强安全性与动态适应能力的联邦学习方法。本发明能够解决工业互联网边缘计算场景中联邦学习系统面临的身份伪造、中间人攻击、客户端异质性强以及节点动态性高等技术问题。