基于联邦学习的电碳数据异常检测方法、客户端及服务器
本发明公开了一种基于联邦学习的电碳数据异常检测方法、客户端及服务器,属于异常检测领域,所述方法为:通过预训练的时序自编码器模型对本地电碳时序数据进行重构,并基于重构结果与所述本地电碳时序数据之间的重构误差,获得第一异常评分序列;采用同态加密机制,对所述第一异常评分序列进行加噪处理,得到第二异常评分序列;将所述第二异常评分序列上传至服务器,以使所述服务器根据若干个客户端各自上传的第二异常评分序列进行评分对齐处理,得到全局异常评分序列,并基于所述全局异常评分序列进行全局异常检测,得到结构化的异常事件集合。因此,通过实施本发明,能够在不泄露原始数据隐私的前提下,实现跨域和跨模态的电碳数据异常检测。