一种联邦学习框架下的数据隐私保护方法及医疗服务系统

本发明公开了一种联邦学习框架下的数据隐私保护方法及医疗服务系统。其中，所述方法包括：训练一梯度优化方向分类模型，该梯度优化方向分类模型以客户端本地模型的更新梯度为数据的输入，输出对应预设分类的优化目标特征；服务器将聚合的全局模型以及预训练的梯度优化方向分类模型发送至客户端；每个客户端在每轮模型训练完成后，利用同态加密将模型参数加密，将更新后的模型上传到服务器等。本发明通过结合梯度优化方向分类模型和同态加密技术，在保护客户端隐私的同时，实现了对客户端的个性化模型训练和更新。这种方法既考虑了隐私保护，也考虑了模型性能的优化，是一个综合性的解决方案。