一种基于秘密共享的隐私保护的鲁棒联邦学习方法及系统

本发明涉及一种基于秘密共享的隐私保护的鲁棒联邦学习方法及系统，属于隐私保护和鲁棒聚合技术领域。该方法的具体过程为：具体过程为：初始模型分发：服务器将初始化全局模型参数分发给各客户端；本地模型训练：客户端利用全局模型参数更新本地模型，并利用本地数据集训练本地模型，训练更新后通过秘密共享将其发送给服务器；模型聚合分发：服务器接收来自客户端的本地模型更新参数，进行聚类操作，将聚类获得的全局模型参数分发给客户端，客户端根据接收的结果进行本地模型更新。