基于差分压缩的联邦学习隐私保护方法、设备及介质

本发明公开了基于差分压缩的联邦学习隐私保护方法、设备及介质，属于联邦学习隐私保护技术领域，本发明要解决的技术问题为如何在隐私精度平衡的基础上，实现可应用型更广更为合理的隐私保护，保证联邦学习模型的学习效果，采用的技术方案为：采用将差分隐私与模型压缩相结合，对整个联邦学习的训练过程进行加密；通道敏感度剪枝：用于加密本地模型上传参数，有效保护上传的本地模型参数免受恶意客户端和恶意分析者的攻击；并制定通道神经元敏感度的判断准则，通过求解每个卷积层中不同通道特征图每轮训练过程中的神经元敏感度，决定对应通道是否应该被保留；自适应差分隐私。