一种基于模分量同态的联邦学习安全聚合方法及系统

本发明公开了一种基于模分量同态的联邦学习安全聚合方法，旨在确保在多方联合训练中间结果交换时的数据隐私与安全性。该方案在多方联合训练交换中间结果时，在客户端将中间结果用同态加密算法进行加密，然后发送给服务器利用模分量同态加密算法进行聚合，再将聚合的结果返回给所有客户端，在客户端将聚合结果解密，最终，通过服务器和客户端在每次迭代的相互协作，生成最优的全局模型，不仅保证了中间结果没有泄露，还完成了训练任务，通过设置模基数和冗余模投影，控制密文扩张的程度，提升计算效率和精度。