一种基于局部敏感哈希的联邦学习聚合方法及相关设备

本发明提供一种基于局部敏感哈希的联邦学习聚合方法及相关设备，接收各个模型更新参数并均值得到查询点参数；针对每一模型更新参数，分别利用第一函数集合和第二函数集合进行哈希映射得到第一哈希签名和第二哈希签名，基于各个第一哈希签名和查询点参数，构建第一候选参数集；基于各个第二哈希签名和查询点参数，构建第二候选参数集；对第一候选集合和第二候选集合的交集进行加权平均，得到全局模型更新参数并对全局模型进行更新。在本方案中，通过结合欧氏距离和余弦相似度的局部敏感哈希方法，更精细地检测模型更新的细微差异，提高了精度和鲁棒性，通过哈希映射和筛选过程，在不泄露信息的情况下对模型更新进行检测和聚合，有效保护数据隐私。