1.一種非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，該方法中的貢獻(xiàn)度模型通過以下方式實(shí)現(xiàn)：
3.如權(quán)利要求1所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，所述步驟五中的可信度模型通過秩和比(rsr)方法計(jì)算，包括以下步驟：
4.如權(quán)利要求1所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，所述用戶評(píng)分計(jì)算包括：
5.如權(quán)利要求1所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，所述用戶選擇方法包括：
6.如權(quán)利要求1所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，所述聚合算法包括：
7.一種實(shí)施權(quán)利要求1～6任意一項(xiàng)所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)系統(tǒng)，其特征在于，所述非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)系統(tǒng)包括：
8.如權(quán)利要求7所述非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)系統(tǒng)，其特征在于，所述的非獨(dú)立同分布場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)系統(tǒng)包括一個(gè)服務(wù)器和n個(gè)客戶端，包括：
9.一種在非獨(dú)立同分布數(shù)據(jù)場景下應(yīng)對(duì)惡意攻擊的聯(lián)邦學(xué)習(xí)方法，其特征在于，包括：
10.一種在非獨(dú)立同分布數(shù)據(jù)場景下應(yīng)對(duì)惡意攻擊的智能交通預(yù)測系統(tǒng)，其特征在于，包括：