摘要
本发明属于人工智能技术领域，公开了基于混合隐私计算的去中心自适应联邦学习方法，包括以下步骤：首先，发布方注册，并发布训练任务及进行评估任务分类，评估任务分类包括发布方构造评估分类器；参与方获取训练任务与评估分类器，并基于评估分类器进行数据质量评估与分层；参与方进行本地模型训练，并对上层和下层模型进行分层加密；对经分层加密后的模型进行分层聚合，得到上层聚合模型和下层聚合模型，将上层聚合模型与下层聚合模型进行融合，得到全局模型，实验证明，本发明在提升训练效率和模型精度的同时，显著增强了联邦学习隐私保护和攻击防御能力。
