针对集群联邦学习聚类过程的安全验证方法、终端及介质

本发明涉及机器学习技术领域，公开了针对集群联邦学习聚类过程的安全验证方法、终端及介质。该方法获取传统集群联邦学习的架构，并按照特定聚类方案执行集群联邦学习任务；在执行任务期间，将恶意客户端即攻击者部署于架构中；攻击者构建近似受害者模型；构建阴影数据集；生成预测集并用其训练元分类器；将阴影数据集输入到受害者模型中，获得预测输出信息并将其输入元分类器进行分类以得到筛选好的数据集；使用数据集更新攻击者模型并上传至参数服务器，判断攻击者是否成功进入受害者所在集群以验证聚类过程的安全性。本发明通过独特的集群内攻击方式，使恶意客户端更容易非法进入特定集群，为不同聚类过程提供更为有效的安全验证。