一种差分隐私联邦学习方法、系统及电子设备

本发明公开了一种差分隐私联邦学习方法、系统及电子设备，涉及物联网安全技术领域。该方法应用于与若干客户端通信连接的联邦服务器，通过在每一轮全局通信中，生成包括多个包括对客户端的隐私保护等级和酬劳的最优合同的最优合同集，将最优合同集传输给各客户端，并接收由各客户端返回的由客户端基于选择的最优合同包括的隐私保护等级通过在客户端的模型参数中注入高斯噪声对客户端的模型参数进行扰动得到的目标模型参数，以聚合目标模型参数，得到全局模型。从而解决了差分隐私联邦学习框架因未考虑客户端不主动参与联邦学习过程的情况，所造成的影响全局模型的准确度的问题。