一种面向信息中心网络的群体强化学习的隐私保护方法

本发明公开了一种面向信息中心网络的群体强化学习的隐私保护方法，涉及机器学习领域。本发明通过对节点向外部发出的信息进行隐私泄露分析，以数值化的方式计算产生的隐私数据泄露损失，作为泄露程度的衡量标准；用户可以根据模型运行环境的安全程度及用户模型安全需求对隐私预算进行自定义；当超出自定义隐私预算上限时，将节点退出群体学习的模型更新，防止本地隐私数据泄露的可能。本发明防止参与节点的隐私泄露，保护节点的数据安全；部署成本代价极低，安全性好，且鲁棒性较强，性能可靠。