一种联邦学习防范攻击方法、系统、设备及存储介质

本发明提供了一种联邦学习防范攻击方法、系统、设备及存储介质，属于隐私计算技术领域。所述方法包括：通过聚合节点同步各参与节点的时钟，设定网络延迟阈值、VDF时间参数和安全参数，通过初始化函数获取公共参数，并向参与节点下发相关的计算参数；随机生成交叉验证图，下发模型及前置节点地址给目标节点；目标节点进行本地模型训练，利用当前的模型参数、目标节点和前置节点生成的随机数进行VDF计算，生成训练和计算结果信息提交给聚合节点进行验证；对训练和计算结果信息进行时间验证和VDF验证，根据验证结果决定是否接受模型参数参与聚合；通过聚合节点使用加权平均算法对通过验证的节点提交的模型参数进行聚合，形成新的全局模型。