摘要
本申请属于数据隐私保护技术领域。一种分布式模型参数隐私保护方法包括获取每个节点的初始全局模型；利用每个所述节点的本地数据，对所述初始全局模型进行训练，得到本地模型更新；在所述本地模型更新中，引入差分隐私算法形成的噪声数据，得到本地噪声梯度；在中央服务器，将多个所述本地噪声梯度进行参数聚合，对全局模型参数更新，得到目标全局模型。本申请在本地模型更新中引入差分隐私噪声，确保数据在传输过程中不会泄露参与方的敏感信息，从而有效防止潜在的隐私泄露风险。这种方法不仅提高了数据隐私保护水平，还在性能和隐私保护之间实现了更好的平衡，增强了分布式学习的安全性和适应性。
