一种基于梯度余弦相似性和差分隐私的通信高效联邦学习方法

本发明涉及分布式机器学习技术和隐私计算技术，提出了一种基于梯度余弦相似性和差分隐私的通信高效联邦学习方法。本发明方法在每个用户端定义了一个局部累积梯度用于反映用户本地的数据分布，并在上传给服务器的过程中引入差分隐私技术为用户提供隐私保护；在服务器端定义了一个伪全局梯度，用于指示最新的全局模型更新方向从而反映全局的数据分布。基于上述两个实时更新的梯度之间的余弦相似性，采用一种自适应加权聚合策略用于加速联邦模型的收敛，提高联邦训练的通信效率。