一种异步联邦学习框架下的后门攻击的防御方法

本发明公开了一种异步联邦学习框架下的后门攻击的防御方法，该方法包括以下步骤：1)服务器在初始时刻将初始的全局模型发送给所有客户端进行训练，而对于非初始时刻t，服务端将更新后的全局模型发送给最近上传其局部模型到服务器的客户端；2)客户端在获取全局模型后，在每个客户端中训练更新参数，得到更新后的局部模型；3)客户端训练完成后将更新后的局部模型发送给服务端；4)服务端聚合，获得更新后的全局模型。本发明的服务端聚合策略只需要计算局部模型和全局模型之间参数各维度之间的距离，计算量小，对模型的正常性能影响小。