一种面向异构联邦学习环境的隐私保护方法

本发明公开了一种面向异构联邦学习环境的隐私保护方法，属于数据标注技术领域，包括以下步骤：客户端根据服务器的要求上传加密梯度；服务器基于预设的训练轮次依据加密梯度的余弦距离对客户端进行隐私保护聚类，在聚类过程中利用同态加密与秘密共享优化聚类结果；根据聚类结果，服务器对每个客户端持有初始模型进行簇内聚合和簇间聚合，获得全局模型份额；在聚类完成后，服务器分别向参与聚合的每个客户端发送全局模型份额，客户端在本地重建并更新初始模型；基于更新后的模型实现异构联邦学习环境的隐私保护。本发明为联邦学习中的隐私保护提供了一种高效且安全的解决方案。