基于联邦学习和隐私差分的用户意见隐私保护方法及系统

本发明提供基于联邦学习和隐私差分的用户意见隐私保护方法及系统，涉及隐私保护技术领域，包括服务器接收客户端请求，划分数据集并分发；客户端利用差分隐私机器学习算法进行本地训练，并用拉普拉斯噪声扰动模型参数；服务器使用秘密共享和同态加密技术聚合参数，更新全局模型；客户端接收隐私保护策略，对用户意见进行隐私处理后发送至服务器进行分析。本方法有效保护用户隐私，提高数据利用效率。