基于排名联邦学习的隐私保护且通信高效的图像识别方法

本发明提供一种基于排名联邦学习的隐私保护且通信高效的图像识别方法，通过传输基于排名的投票数而不是传统的梯度，以提高通信效率。结合秘密共享协议和Diffie‑Hellman密钥协议，设计了一种能够保护客户端本地上传的基于排名参数隐私的双重掩码机制，恶意云服务器或客户端均不能使用其掌握的信息来推断其他客户端的隐私信息，解决了联邦学习中客户端共享的中间模型参数仍可能暴露本地数据信息的问题。此外，通过一些在线客户端交互实现掩码重建，以支持在联邦学习过程中客户端退出时的准确聚合。