一种基于格的个性化隐私保护纵向联邦学习系统

本发明公开了一种基于格的个性化隐私保护纵向联邦学习系统，属于人工智能领域，涉及联邦学习在人工智能领域中的个性化和隐私保护。主要包括系统设计，搭建个性化的纵向联合学习框架，个性化的联邦学习算法的选取，数据对齐和如何实现基于格的隐私保护聚合。一方面，通过PFL算法构建个性化的纵向联邦架构(pFedPQA)，同时用矩阵掩码来保证交互式数据安全。另一方面，考虑到近年来量子计算机的快速发展，我们利用基于格的加密方法对原始的隐私保护聚合协议进行改进，设计了具有基于格的后量子隐私保护聚合协议(PQLA)，提高系统的安全性。