一种以对称理论为基础的联邦学习参与方选择方法

本发明涉及数据处理技术领域，特别涉及一种以对称理论为基础的联邦学习参与方选择方法，可以解决典型联邦学习中随机选择参与方给联邦学习带来的困难；典型联邦学习通常使用随机选择的方式选择客户端作为联邦学习模型训练的参与方，这种选择方式无法保证参与方的数据可靠性、数据真实性和稳定性。本发明提出的方案可以有效解决此类问题，为联邦学习在隐私保护方面提供更好的保证，为数字治理提供更好的隐私保护方案。