一种在联邦社交网络中实现拜占庭鲁棒且隐私保护的层次聚类的方法

本发明提出了一种在联邦社交网络中实现拜占庭鲁棒且私有的层次聚类方法，本方法先对社交网络中用户的邻接向量进行随机响应扰动处理，然后利用轻量级随机掩码对这些带噪声的邻接向量进行认证，最后使用粗粒度的质量函数迭代学习最优的层次聚类树，将生成的最优层次聚类树应用到社交推荐系统中。本发明能够安全且私密地学习联邦社交网络的最优层次聚类树，同时提供边缘本地差分隐私保护、保证拜占庭鲁棒性，并且仅与用户进行一次交互。