一种基于联邦学习的隐私性提升方法、系统、装置及介质

本发明提出的一种基于联邦学习的隐私性提升方法、系统、装置及介质，所述方法包括：搭建联邦学习训练平台，设立服务器端和客户端；获取样本数据集，将样本数据集分配到不同的客户端；利用服务器端确定一个全局模型，选择客户端共同进行本轮模型训练，并将全局模型下发给被选择的客户端；客户端将此全局模型更新到本地模型中，利用本地数据对更新后的本地模型进行多轮迭代训练，并计算即将上传的更新信息；利用差分隐私对更新信息进行扰动，实现隐私保护处理，并将处理完的更新信息上传至服务器端；服务器根据更新信息对被选择的客户端的全局模型进行加权聚合，并利用聚合结果更新全局模型；判断全局模型是否达到预设标准；若是，则结束操作。