研究了基于模型共享的集成学习分布式异常检测模型，采用多数投票、边界扩展、平均叠加和距离加权4种不同的集成学习方法得到全部的局部模型;采用交换本地数据挖掘模型的方式来实现数据共享，从而构造出一个总体的集成学习模型。从全局的观点检测异常，减少了集中式检测所需数据的传输量，有效保护了数据提供者的隐私性。仿真实验结果表明，该方法的检测性能与集中式检测的性能相当，甚至更好。