本发明涉及联邦学习技术领域，尤其是涉及一种基于Modbus的联邦学习威胁检测方法及系统。方法，包括对获取的二进制网络流量数据进行预处理，得到Json文件数据；对Json文件数据进行特征提取；对联邦学习模型进行初始化，利用提取的特征进行模型训练，得到模型的若干重要参数；通过对模型的若干重要参数进行汇总，得到全局重要参数位置；基于全局重要参数位置对模型进行更新，得到个性化的联邦学习模型；利用个性化的联邦学习模型进行网络威胁检测。该方法能从多个维度表征网络流量，在为联邦学习框架实现多源输入提供支撑的同时，从数据层面提升了网络威胁检测效果。 |
