基于联邦学习的跨项目软件缺陷预测方法

本发明提出了一种软件缺陷预测隐私保护方法，该方法基于联邦学习机制，整个流程首先是构建软件缺陷预测模型，这一模型会进行软件缺陷的预测和训练工作，计算出相应的损失和局部梯度，采用DP‑fedsam算法，对梯度进行扰动处理，得到受保护的梯度，并将其上传至中央服务器：在服务器端，聚合梯度，更新全局模型参数，更新后的参数会被分发给企业内部各个部门，使其继续训练和优化本地的模型；本发明在有效保护企业数据隐私的同时，充分利用了分散在各部门的大量数据资源进行模型训练，从而训练出既准确又无偏的软件缺陷预测模型，这一创新方法不仅提升了模型训练的效率和准确性，还为企业数据安全提供了强有力的保障。