计算机工程

作者：牛渲文, 杜晔, 杨明松, 李昂, 黎妹红

单位：1. 北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室, 北京 1000442. 北京交通大学国家经济安全预警工程北京实验室, 北京 1000443. 北京交通大学詹天佑学院, 北京 100044

关键词：层次联邦学习,动态权重,卫星网络,异常检测,近地轨道

基金：北京市自然科学基金(L254063); 中央引导地方科技发展资金(246Z0705G); 中央高校基本科研业务费专项资金(2024JBZX018)

随着全球卫星网络的发展与覆盖, 卫星网络攻击的影响逐渐扩大, 开展卫星网络攻击或异常行为检测研究, 对保障空天地一体化网络安全至关重要。针对联邦学习(FL)在卫星网络分布式异常检测中存在通信连接不稳定、聚合时间过长的问题, 提出一种基于层次FL与改进动态半异步聚合算法的卫星网络异常检测方法。首先, 融合层次FL进行分布式异常检测模型训练与分层聚合, 提出一种3层架构的空天地协同异常检测框架, 将高空通信平台站(HAPS)作为边缘计算层用于局部聚合, 解决星地通信范围有限的问题; 然后, 针对FL在卫星网络中存在的通信连接不稳定、聚合时间过长的问题, 提出并实现一种改进动态半异步联邦聚合算法, 结合卫星状态信息构造改进聚合时机序列和动态权重, 缓解由于星地通信间歇性而导致的聚合时间过长、模型精度受影响的问题。在STIN和CIC-IDS-2017数据集上的对比实验结果表明, 该方法在保证良好的异常检测模型性能的同时, 有效提高了卫星网络分布式异常检测中的FL聚合效率。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期