自适应差分隐私的联邦学习方法、客户端、服务器、存储介质及产品

本申请公开了一种自适应差分隐私的联邦学习方法、客户端、服务器、存储介质及产品，方法应用于客户端，包括：基于当前训练轮次和裁剪阈值调整策略确定梯度裁剪阈值，裁剪阈值调整策略根据数据分布相似度和各训练轮次对应的梯度变化率构建；对各样本的梯度进行裁剪，得到各样本的目标梯度；根据自适应差分隐私算法以及目标隐私预算对各样本的目标梯度添加噪声扰动，得到自适应噪声；结合目标数据集以及全局损失函数进行模型更新，得到本地模型参数，并发送至服务器，服务器根据本地模型参数更新参数得到全局模型。通过上述方式，增强了模型对噪声和攻击的鲁棒性，提高了客户端保护数据隐私的能力、模型的准确性以及模型的泛化能力。