基于特征重要性的纵向联邦学习方法、装置及电子设备

本发明涉及基于特征重要性的纵向联邦学习方法、装置及电子设备，以本地特征重要性为驱动，通过轻量化神经网络实现客户端本地的隐私预算生成器，进而实现“特征级隐私预算”到“嵌入维度扰动”到“建议隐私预算上传”到“服务器端梯度加噪”的协同闭环，同时引入离散等级划分和建议隐私预算扰动机制来避免服务器端反推出隐私内容，从而提升了系统整体的差分隐私安全性与实用性。