基于差分隐私联邦学习的公平回归模型构建方法及系统

本发明属于联邦学习技术领域，提供了基于差分隐私联邦学习的公平回归算法，实现本发明的技术方案主要包含三个模块：首先，利用利用联邦学习算法训练全局回归模型；其次，通过引入集中差分隐私，根据给定的差分隐私参数确定离散高斯分布的方差；最后，在联邦学习的框架下，利用基于离散高斯机制的差分隐私技术，计算频数分布直方图，由此估计分布函数和分位数函数，从而对回归模型进行公平化后处理。后处理过程中，客户端和中心服务器之间交换的信息只有回归预测值的频数分布直方图及其对应敏感属性取值，通信代价较小。实验表明，本发明能在提供较强隐私保护的同时，大幅提升回归模型的公平性，并保证模型准确性维持在较高水平。