一种基于统计控制的联邦学习恶意参与方检测方法及系统

本发明公开了基于统计控制的联邦学习恶意参与方检测方法及系统，方法如下：S1、服务器向参与方发送训练任务及初始化模型参数；S2、参与方下载当前全局模型，进行本地训练，得到局部模型并上传；S3、服务器接收局部模型并进行聚合，得到新全局模型；S4、当联邦学习轮次小于Tg时，服务器计算上传模型的参数向量到全局模型的欧式距离平方，并对所有距离值进行建模，选择诚实参与方进行模型聚合；S5、当轮次等于Tg时，服务器构建控制限；S6、当轮次大于Tg时，服务器计算参与方上传模型与全局模型的距离，通过控制限，区分恶意与诚实参与方；S7、服务器聚合诚实参与方的模型得到新全局模型，发给所有参与方；S8、返回S2，直至达到预设目标。