[发明专利]一种分布式物联网异常检测方法

权利要求书

1.一种分布式物联网异常检测方法，其特征在于：该方法包括以下几个步骤：

步骤 S1，进行联邦学习参数和全局模型的初始化；

步骤S2，在联邦学习异常检测中，终端设备基于本地存储的数据来训练本地模型；使用过时系数来降低逾期本地模型参数的影响；

步骤S3，将本地模型参数输入DP-GAN算法生成一组合成本地模型参数，具体的将步骤S2中生成的本地模型参数输入GAN的发生器（G），发生器（G）生成一组合成的本地模型参数，然后将生成的合成本地模型参数视为鉴别器（D）和DP标识符（I）的输入，该合成本地模型参数满足这两个感知器的要求，就将该参数作为输出结果进入下一步骤，其中DP-GAN的对抗模型公式为

其中是预先注入的噪声样本；是参与训练的数据样本， 表示计算期望值，是指交互式鉴别器和标识符所组成的新结构；

步骤S4，将步骤S3得到的合成本地模型参数广播到区块链P2P网络来进行全局优化，各终端设备在区块链P2P网络中完成共识过程，在共识过程中，由获胜的终端设备进行全局聚合操作得到该轮的全局模型参数，并生成存储全局模型参数的块；

步骤S5，全局模型参数以块的形式向整个区块链P2P网络广播，并用于下一轮迭代的本地训练，这个迭代过程一直循环，直到达到收敛，完成训练。

2.根据权利要求1所述的分布式物联网异常检测方法，其特征在于：所述步骤S2中使用过时系数来降低逾期本地模型参数的影响，具体为使用公式（1）对本地训练中使用的线性回归任务建模，更新权重：

其中K={1,...,k∈K} ,| K |=k是终端设备的总量；f(ω)是关于输入ω的损失函数,ω为各本地模型的权重；R:={1,2,...,r∈R}，| R |=r是训练迭代的总轮数； 是本轮本地训练的过时系数。

3.根据权利要求1所述的分布式物联网异常检测方法，其特征在于：步骤S4全局聚合时考虑过时系数的影响，具体表现为：

为本地模型权重，为全局模型权重。

4.根据权利要求1所述的分布式物联网异常检测方法，其特征在于：步骤S5中将收敛条件定义为

其中0，是一个小的正实数常数。

5.根据权利要求1所述的分布式物联网异常检测方法，其特征在于：步骤S1包括FL框架下要求的用户个数、用户本地数据以及所使用模型的超参数设置。