基于同态加密和联邦学习的隐私数据保护方法及系统

本发明涉及隐私数据保护技术领域，公开了一种基于同态加密和联邦学习的隐私数据保护方法及系统，该方法包括：对多个养老机构的物联网设备采集的原始健康数据进行处理，得到预处理数据集和隐私风险评估结果；进行加密，得到双重加密数据集；构建去中心化联邦学习框架，计算全局训练参数；进行噪声注入处理和模型迭代训练，得到隐私保护模型；对隐私保护模型进行可信执行环境部署，通过基于角色的多级访问控制和零知识证明进行身份验证，得到安全访问策略；对隐私保护模型进行边缘节点分布式部署，通过安全多方计算协议进行跨机构健康数据分析，得到协同分析结果，本发明采用了多种隐私保护技术，在保护数据隐私的同时实现了数据的高效利用。