联邦学习背景下跨参与方图像重构方法、系统及介质

本发明公开了一种联邦学习背景下跨参与方图像重构方法、系统及介质，其中方法包括：根据客户端上传的目标梯度推断目标图像的标签；构建条件去噪扩散隐式模型，以隐变量和标签为输入，生成匹配图像；确定损失函数，损失函数中包括匹配梯度相对于目标梯度的损失与生成匹配图像的正则化损失，匹配梯度通过将匹配图像和标签一同放入联邦学习模型学习一轮得到；初始化隐变量，根据损失函数依次优化前隐变量n个时间步的隐变量，进而基于优化的隐变量和推断的标签，使用条件去噪扩散隐式模型得到重构图像。通过梯度匹配损失和正则化损失依次对条件去噪扩散隐式模型的前n个隐变量进行优化，提高了优化效率，重构图像更忠实于目标图像。