1.一种基于联邦学习的车联网入侵检测模型训练方法，其特征在于，所述车联网入侵检测模型为生成对抗网络，所述车联网入侵检测模型包括生成器、判别器和分类器，所述方法包括：服务请求者u将联邦训练任务分解为第一任务w1、第二任务w2和第三任务w3，其中，所述第一任务w1为服务请求者u中生成器G的全局训练任务，所述第二任务w2为服务请求者u中判别器D的全局训练任务，第三任务w3为服务请求者u中分类器C的全局训练任务；

针对每个服务提供候选者，获取所述服务提供候选者对于任务wi的备选策略和所述备选策略对应的QoS属性，其中，i＝1,2,3；

基于QoS感知的方式，根据所述备选策略和所述备选策略对应的QoS属性，从所述服务提供候选者选取目标服务提供者，并与所述目标服务提供者签署分布式联邦协作建模协议；

基于所述分布式联邦协作建模协议进行联邦任务训练，得到分布式联邦训练的车联网入侵检测模型；

其中，所述基于QoS感知的方式，根据所述备选策略和所述备选策略对应的QoS属性，从所述服务提供候选者选取目标服务提供者，包括：获取服务提供候选者 对于任务wi的若干备选策略 和备选策略 对应的QoS属性QoS  ，并且， 其中， 为第k个服

务提供候选者，h为第h个QoS属性，H为QoS属性的总数量；

针对任务wi，所述服务请求者u预期的QoS为 对应的最高预算为，则符合条件的QoS为 投标价格为 ，选取符

合条件的QoS对应的服务提供候选者，作为所述目标服务提供者。

2.如权利要求1所述的基于联邦学习的车联网入侵检测模型训练方法，其特征在于，与所述目标服务提供者签署分布式联邦协作建模协议包括：对所述目标服务提供者的每个QoS属性进行加权和归一化，得到QoS属性对应的单个数值，作为参考数值；

基于所述参考数值和预设效益函数，对达成任务wi的效益进行计算，确定联邦训练协作策略；

基于所述联邦训练协作策略，生成分布式联邦协作建模协议，并与所述目标服务提供者签署所述分布式联邦协作建模协议。

3.如权利要求1所述的基于联邦学习的车联网入侵检测模型训练方法，其特征在于，所述基于所述分布式联邦协作建模协议进行联邦任务训练，得到联邦训练的车联网入侵检测模型包括：服务请求者u通过生成器生成样本训练集；

按照所述分布式联邦协作建模协议分发到每个所述目标服务提供者进行第一任务w1的联邦训练，并接收每个所述目标服务提供者判别器对所述样本训练集的反馈结果；

基于所述反馈结果判断是否达到预期训练目标；

若达到，则并行执行所述第二任务w2的联邦训练任务和所述第三任务w3的联邦训练任务，若未达到预期训练目标，则返回所述服务请求者u通过生成器生成样本训练集的步骤继续执行；

在所述第二任务w2的联邦训练任务和所述第三任务w3的联邦训练任务完成后，得到所述分布式联邦训练的车联网入侵检测模型。

4.如权利要求1所述的基于联邦学习的车联网入侵检测模型训练方法，其特征在于，所述服务请求者u和每个所述目标服务提供者进行联邦训练过程中，采用局部差分隐私计算的方式对模型进行保护，并执行交换机制互相交换判别器和分类器的权值参数作用于本地的知识蒸馏。

5.一种基于联邦学习的车联网入侵检测方法，其特征在于，包括：接收实时的交通数据集；

将所述实时的交通数据集输入到分布式联邦训练的车联网入侵检测模型中，所述分布式联邦训练的车联网入侵检测模型根据权利要求1至4任一项的方法训练得到；

采用所述分布式联邦训练的车联网入侵检测模型对所述实时的交通数据集进行识别分类，得到分类结果；

基于所述分类结果，确定入侵检测结果。

6.一种基于联邦学习的车联网入侵检测模型训练装置，其特征在于，包括：任务分解模块，用于服务请求者u将联邦训练任务分解为第一任务w1、第二任务w2和第三任务w3，其中，所述第一任务w1为服务请求者u中生成器G的全局训练任务，所述第二任务w2为服务请求者u中判别器D的全局训练任务，第三任务w3为服务请求者u中分类器C的全局训练任务；

属性获取模块，用于针对每个服务提供候选者，获取所述服务提供候选者对于任务wi的备选策略和所述备选策略对应的QoS属性，其中，i＝1,2,3；

服务提供者选取模块，用于基于QoS感知的方式，根据所述备选策略和所述备选策略对应的QoS属性，从所述服务提供候选者选取目标服务提供者，并与所述目标服务提供者签署分布式联邦协作建模协议；

模型训练模块，用于基于所述分布式联邦协作建模协议进行联邦任务训练，得到分布式联邦训练的车联网入侵检测模型；

其中，所述目标服务提供者选取模块包括：

信息获取单元，用于获取服务提供候选者 对于任务wi的若干备选策略 和备选策略 对应的QoS属性QoS  ，并且， 其中， 为第k个服务提供候选者，h为第h个QoS属性，H为QoS属性的总数量；

服务提供者选取单元，用于针对任务wi，所述服务请求者u预期的QoS为对应的最高预算为 ，则符合条件的QoS为

投标价格为 ，选取符合条件的QoS对应的服务提供候选者，作为所述目标服务提供者。

7.一种基于联邦学习的车联网入侵检测装置，其特征在于，包括：数据采集模块，用于接收实时的交通数据集；

数据输入模块，用于将所述实时的交通数据集输入到分布式联邦训练的车联网入侵检测模型中，所述分布式联邦训练的车联网入侵检测模型根据权利要求1至4任一项的方法训练得到；

识别分类模块，用于采用所述分布式联邦训练的车联网入侵检测模型对所述实时的交通数据集进行识别分类，得到分类结果；

结果确定模块，用于基于所述分类结果，确定入侵检测结果。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

4任一项所述的基于联邦学习的车联网入侵检测模型训练方法，或者，所述处理器执行所述计算机程序时实现如权利要求5所述的基于联邦学习的车联网入侵检测方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于联邦学习的车联网入侵检测模型训练方法，或者，所述计算机程序被处理器执行时实现如权利要求5所述的基于联邦学习的车联网入侵检测方法。