模型设计采用了轻量级的入侵检测架构，主要基于决策树和简单神经网络。每个边缘设备使用其本地数据分区训练一个本地模型，通过最小化损失函数来更新模型参数，而无需传输原始数据。训练完成后，设备将模型更新（如梯度或权重）发送至中央服务器。服务器通过安全聚合函数聚合这些更新，并添加噪声以实现差分隐私，从而生成新的全局模型。