一种基于功能加密进行模型质量评估的联邦学习方法

本公开提供了一种基于功能加密进行模型质量评估的联邦学习方法，该方法中，服务器选中多个客户端建立联邦学习协议，生成主公钥和主私钥；服务器针对给定的全局模型，计算全局模型更新并处理到整数域，结合主私钥计算解密密钥。服务器向选中的客户端发送全局模型和主公钥；客户端利用全局模型计算本地模型更新并处理到整数域，结合主公钥生成密文发送给服务器。服务器用解密密钥对密文解密，计算解密的客户端本地模型与服务器全局模型的余弦相似度。通过余弦相似度聚类将客户端模型分为高质量、合格、低质量模型并分配权值，由服务器通过加权聚合更新全局模型。使用本发明能够在高效且保护隐私的基础上进行模型质量评估，进而实现全局模型更新。