基于混沌映射与联邦学习的隐私保护网络流量协同检测方法

本发明提供了基于混沌映射与联邦学习的隐私保护网络流量协同检测方法，涉及网络与信息安全技术领域，包括：系统初始化与密钥分发；级联混沌映射系统部署；异构特征分形对齐；梯度复数域旋转掩码扰动；梯度精确去扰还原；分形一致性恶意检测；加权安全聚合与模型更新。本发明实现了理论上完全可逆的梯度保护、高灵敏度的恶意行为检测以及非独立同分布数据向统一隐空间的对齐，从而在保障各参与方原始数据不离开本地设备的前提下，获得接近集中式训练的检测性能，并有效防御模型投毒攻击。