一种基于函数加密的隐私保护纵向联邦学习方法及系统

本发明涉及联邦学习安全领域，提供了一种基于函数加密的隐私保护纵向联邦学习方法及系统。该方法解决纵向联邦学习场景中基于密码学技术实现隐私保护时所面临的问题，即计算时间过多，通信开销过大，模型准确率和训练开销难以平衡的问题。主要方案包括系统初始化、客户端前向传播、服务器前向传播、服务器后向传播和客户端后向传播。本发明用于隐私保护纵向联邦学习，通过去中心化多客户端函数加密算法和纵向联邦学习框架，有效抵御梯度泄露攻击和基于模型参数的反向推导攻击，提高计算效率同时保证模型精度，减少通信开销，增强客户端样本数据的隐私性。