一种保护隐私的量化联邦学习方法

本发明提供了一种保护隐私的量化联邦学习方法，属于智能物联网中的联邦学习、量化和隐私保护技术领域，解决了联邦学习过程中存在的通信开销大和隐私泄露的技术问题。其技术方案包括以下步骤：S10、系统初始化；S20、本地模型参数的量化编码；S30、量化更新向量的隐私保护；S40、服务器布尔共享的生成；S50、布尔共享到算术共享的转换；S60、算术共享矩阵的聚合；S70、本地模型更新。本发明的有益效果为：该方法不仅减少了联邦学习中参与者的通信开销，还保护了参与者模型更新向量的隐私。