基于分布式隐私保护学习的健康数据处理方法及系统

本发明提供一种基于分布式隐私保护学习的健康数据处理方法，包括：构建联邦学习框架生成机器学习模型；进行迭代过程直至模型收敛或达到预设的超参数；所述迭代过程包括：由本地数据独立地训练所述机器学习模型；预设加密算法加密本地数据，计算梯度，得到加密的梯度信息；基于多方计算共享所述梯度信息；由预设聚合算法合并所述梯度信息；由聚合后的梯度更新所述机器学习模型的参数，并将更新后的参数分发。能够在充分保护用户数据隐私的前提下，实现高效、精准的分布式机器学习模型训练，进而提升健康数据处理系统的整体性能和安全性。本发明还提供的基于分布式隐私保护学习的健康数据处理系统及电子设备具有相应优势。