基于联邦学习驱动的网络安全态势感知路径研究

摘要

针对传统网络安全态势感知系统中数据隐私泄露、资源利用率低及跨域威胁检测能力不足等问题，本研究提出一种融合联邦学习（FL）与虚拟化技术的分布式协同解决方案。系统采用“数据不动，模型动”的FL框架，支持多个分布式节点基于本地日志独立训练威胁检测模型，并通过动态加权聚合算法优化参数融合过程，在降低通信开销的同时提升模型鲁棒性。结合虚拟存储管理模块，实现计算与存储资源的弹性调度，保障高并发场景下的实时响应能力。

关键词

联邦学习驱动(FL) / 网络安全态势 / 感知路径