基于维度选择与压缩恢复的差分隐私在线联邦学习方法

本发明基于维度选择与压缩恢复的差分隐私在线联邦学习方法，其使用维度选择的方法解决在线联邦学习中差分隐私机制的效用性问题。本发明通过引入本地梯度缓冲池累计本地模型的梯度，使用基于指数机制的维度选择算法，划分一部分隐私预算用于估计top‑k维度的真实值，从而在中心服务器端更有效地对被采样的本地模型变化量进行恢复，得到更加准确的全局模型变化量。本发明提升了一定差分隐私保证下的在线联邦学习的效用性。