安全联邦学习方法、设备、介质及产品

本申请公开了一种安全联邦学习方法、设备、介质及产品，涉及人工智能技术领域，在本申请中中央服务方在接收到各参与方发送的模型更新梯度后，将会从与其它参与方的模型特征参数集合相似度以及全局模型训练前后终层神经网络相似度，多个计算指标来计算各参与方发送的可信度评分。并将各可信度评分作为基于各参与方的模型更新梯度进行加权聚合更新过程中确定加权系数的依据，且可信度评分高则对应的加权系数高。而且通过可信度评分来确定加权聚合中的加权系数，可使得可信度评分低的参与方无法影响或者较少影响到全局模型的更新，实现抵御投毒模型攻击，提升联邦学习的鲁棒性。