一种适用于零信任分布式模型训练场景下的训练数据隐私保护方法

本发明所述一种适用于零信任分布式模型训练场景下的训练数据隐私保护方法，涉及人工智能模型、大语言模型等模型的训练领域。在联邦学习中，多个客户端在中心聚合服务器（简称服务器）的帮助下联合训练一个全局模型。每个客户端不直接上传它们的训练数据到服务器，它们基于自身数据在本地训练得到局部梯度更新，随后上传到服务器用于全局模型的聚合。在无可信的服务器、客户端等参与者的情形下，本发明通过对参与联邦学习的客户端群体进行分组，并对它们的梯度进行组内聚合，实现了客户端训练数据的隐私保护，即不被其他参与者所知晓。