一种无分类器传输的联邦学习中基于特征的标签恢复方法和系统

本发明属于信息技术领域，涉及一种无分类器传输的联邦学习中基于特征的标签恢复方法和系统。该方法包括：利用辅助数据集构建多个具有不同标签分布的训练子集并分别进行本地训练，生成与不同标签分布对应的特征锚点，特征锚点与对应的标签分布共同组成元训练数据集；构建元模型，基于元训练数据集训练元模型，学习特征锚点与标签分布之间的双向映射关系；接收目标客户端上传的特征提取器，提取其在代理数据集上的特征锚点，利用训练完成的元模型预测其标签分布，实现目标客户端的标签分布的恢复。本发明无需依赖分类器梯度，能够在仅访问特征提取器的前提下完成标签恢复，解决了现有联邦学习标签恢复方法在分类器不可见场景下失效的问题。