一种结合联邦学习和知识图谱的隐私保护推荐方法

本发明公开了一种结合联邦学习和知识图谱的隐私保护推荐方法，包括：步骤一、服务器初始化并分发联邦学习全局模型；客户端使用差分隐私边伪装算法对原始数据增加混淆度；步骤二、所述客户端将原始数据加载至所述联邦学习本地模型中训练后得到下降的联邦学习本地模型梯度；步骤三、所述客户端使用感应阶数RDP隐私算法对下降的联邦学习本地模型梯度加噪后并上传至所述服务器；步骤四、所述服务器接收加噪后的联邦学习本地模型梯度，更新并评估联邦学习全局模型；重复步骤二至步骤四，直至模型收敛或达到预设的迭代次数，得到优化的联邦学习全局模型；步骤五、将用户数据输入所述优化的联邦学习全局模型，输出兴趣概率值，判断该用户潜在的喜好。