基于多密钥全同态加密的可验证联邦学习方法及其系统

本申请公开了一种基于多密钥全同态加密的可验证联邦学习方法及其系统，涉及联邦学习与加密算法技术领域。包括：加密初始全局模型的参数，同态承诺初始全局模型参数；训练加密的初始全局模型以获得本地训练模型和承诺本地训练模型；对本地训练模型的参数执行同态乘法运算；对混合加密模型参数和承诺本地训练模型执行同态聚合；对更新全局模型的参数进行部分解密和全局解密；验证目标全局模型。本发明通过将联邦学习服务器和客户端的数据进行同态承诺和多密钥全同态加密，使得任何一方在模型训练全程都无法获得其他方的数据或者模型参数，从而保护参与方隐私，同时还通过打开最终模型的承诺来验证整个计算过程的有效性。