一种差分隐私联邦学习方法、计算机设备、存储介质及程序产品

本发明涉及人工智能技术领域，特别涉及一种差分隐私联邦学习方法、计算机设备、存储介质及程序产品，差分隐私联邦学习方法通过获取客户端中联邦学习模型的权重分布直方图，根据分布直方图对联邦学习模型的层进行判断，判断每一层的重要性，得到模型中有相对来说重要的以及不重要的层，选择对重要的层不注入噪声，对于包含梯度信息较少的不重要的层注入噪声，使得该层具有较高的安全性。通过以上的方法，可以使得联邦学习模型在训练的过程中既能满足隐私的要求，同时可以训练出一个性能较好的联邦学习模型。