边缘计算下基于稀疏化的联邦学习隐私保护方法及装置

本发明公开了一种边缘计算下基于稀疏化的联邦学习隐私保护方法及装置，其中方法包括：在客户端对本地模型进行训练，得到本地模型的模型层及模型参数；利用基于稀疏化的模型压缩方法对模型层及模型参数进行压缩，得到压缩模型；根据具有加性的同态加密算法对压缩模型层进行加密，并传至聚合服务器进行聚合得到加密全局模型；通过聚合服务器将加密全局模型送回至各个客户端，各个客户端根据同态加密算法中的解密部分对加密全局模型进行解密，得到压缩模型；通过OMP算法对压缩模型进行重构得到重构全局模型，利用重构全局模型更新本地模型进入下一轮训练。本发明在保证全局模型准确率不受影响的情况下，减少了同态加密的计算开销和通信开销。