用于边缘计算的零信任联邦学习的安全训练方法及装置

本发明提供了一种用于边缘计算的零信任联邦学习的安全训练方法及装置，涉及联邦学习训练技术领域，所述方法包括初始化训练参数；通过SM9密钥交换算法和训练参数生成共享密钥；进行本地训练，基于秘密份额生成算法得到局部梯度份额，并通过共享密钥将局部梯度份额进行加密，得到加密局部梯度份额；将加密局部梯度份额发送至边缘节点中；通过共享密钥对加密局部梯度份额进行解密后计算全局梯度；通过全局梯度进行下一轮客户端的本地训练，直到达到训练次数，结束零信任联邦学习的安全训练。本发明解决了现有联邦学习使用的非零信任框架，容易导致数据隐私和安全性难以得到充分保障、难以有效防止模型泄露和数据容易被篡改或伪造的问题。