面向交通流量预测的拜占庭鲁棒联邦学习防御系统及方法

面向交通流量预测的拜占庭鲁棒联邦学习防御系统及方法，属于联邦学习安全技术领域，针对现有防御方案缺乏全链路闭环体系、筛选阈值固定、无法识别渐变式投毒攻击、选举不可验证等问题，采用三层递进架构，通过平均余弦距离自适应梯度筛选、可验证随机委员会选举、奖惩衰减动态信誉管理、多聚合算法动态切换实现拜占庭故障防御，可提升交通预测模型抗攻击鲁棒性，为智慧交通管控提供可靠支撑。