基于联邦学习的模型训练方法

本申请公开了一种基于联邦学习的模型训练方法，包括：获取协调方发送的与当前参与方对应的预设数据长度的混淆因子数据组和混淆承诺；其中，混淆因子数据组和混淆承诺由协调方基于多个参与方提供的样本数据和参与方数量生成；根据混淆因子数据组和混淆承诺进行数据加密处理，得到当前参与方的加密数据；基于当前参与方的加密数据进行模型计算，得到当前参与方的计算结果；将当前参与方的计算结果发送至协调方，以获取协调方基于多个参与方的计算结果反馈的汇总计算结果，并根据汇总计算结果对模型参数进行调整。本申请技术方案降低了加密后密文数据的数据量，进而可以降低后续模型训练过程所涉及的数据量，从而提高模型训练效率。