联邦学习时间同步异常检测与自适应修正方法及系统

本申请涉及时间同步技术领域，具体是联邦学习时间同步异常检测与自适应修正方法及系统，通过联邦学习架构使各节点原始时间偏差序列始终保留本地、仅交换模型参数更新量，破解了数据孤岛困境并切断了敏感信息泄漏路径；全局模型聚合多节点数据分布特征，克服了集中式模型偏向数据量大的典型节点、对边缘场景检测能力不足的缺陷；异常检测在边缘节点本地推理，消除了高频数据上传的带宽消耗和汇聚延迟；基于综合异常得分与异常类型的自适应判定与修正，克服了阈值法误报漏报率高、统计分析法对非平稳环境敏感及专家系统规则更新滞后的不足；检测与修正形成闭环协同，使时间同步系统从被动告警升级为主动维护，保障了系统运行的可靠性和安全性。