一种面向电力数据跨域管控的轻量化差分隐私联邦学习方法

本发明公开了一种面向电力数据跨域管控的轻量化差分隐私联邦学习方法，该方法包括以下步骤：S1、初始化设置；S2、客户端本地训练与参数处理；S3、参数上传与聚合；S4、隐私损耗评估与参数调整；S5、模型剪枝与压缩；S6、基于秘密共享的隐私保护与全掩码复用；S7、合谋攻击防范。本发明显著降低计算复杂度，解决了电力数据跨域协作中隐私保护与模型实用性难以兼顾的核心矛盾；解决了传统联邦学习在海量电力数据处理时通信开销大、边缘设备算力不足的痛点，显著提升跨域协作的实时性和可扩展性；在保障数据可用性的同时，有效应对多客户端合谋、中间人攻击等复杂威胁，为电力系统多主体协作提供了更高安全等级的隐私保护框架。