基于相关性分析的抗共谋联邦学习方法、系统及存储介质

本发明公开了基于相关性分析的抗共谋联邦学习方法、系统及存储介质，其方法包括步骤：各客户端根据本地隐私数据集计算模型更新前后的准确度差异值并以此计算审计分值；中央服务器根据审计分值计算组的相关性得分并将相关性得分低于预设阈值的组筛选出训练系统；根据组的模型梯度范数重新划分客户端分组；计算组内各客户端本地模型梯度平均数并将本地模型梯度平均数作为该组的新全局模型梯度下发至相应的组；重复迭代直至完成预定迭代轮数。本发明解决了现有抗共谋隐私保护技术仅适用于搭便车攻击者占总体客户端的比例较低的场景且数据分布为Non‑IId时性能表现不佳的问题。