一种基于融合模型的高效车联网实时入侵监测系统

一种基于融合模型的高效车联网实时入侵监测系统。本发明公开了一种基于融合模型的高效车联网实时入侵监测方法及系统，涉及入侵监测技术领域，结合联邦学习框架，使用Transformer与LightGBM的融合模型，实现了实时、精准的恶意流量识别，利用Transformer模型强大的自注意力机制捕捉网络流量数据中的全局依赖关系与深层次特征表示，再结合LightGBM算法对高维特征进行高效精准分类，有效降低了模型的计算开销，使模型更易部署在资源受限的车载设备和边缘节点中，并且，采用联邦学习框架，各客户端本地训练后仅上传模型参数或梯度信息而无需传输原始数据，显著减少了数据传输时延，二者相互协同，实现了对车联网环境下恶意流量的实时、精准的监测。