一种基于代理数据集的联邦学习隐私保护方法

本发明公开了一种基于代理数据集的联邦学习隐私保护方法，通过协议，多设备参与方在联邦学习前达成共识，明确各环节关键要素，确保过程规范一致，为隐私保护与高效训练奠基，通过构建代理数据集与模型，保护原始数据隐私，模拟数据特性保训练有效，通过各参与方基于代理模型优化，提升灵活性与适应性，通过逻辑优化降低计算复杂度，加速训练，减少带宽消耗，提升效率，通过建立公钥基础设施，保障通信安全，实现数据机密性、完整性及安全审计，通过制定审计策略，确保数据合规一致，第三方审核验证数据真实有效，增强联邦学习透明度与可信度，促进安全高效的数据协作与学习。