基于隐私保护的多方数据用模型训练方法及装置

本发明属于多方数据共享加密领域，具体提供了一种基于隐私保护的多方数据用模型训练方法及装置，其中，基于隐私保护的多方数据用模型训练方法通过将模型训练分放在各个参与方进行本地训练，并将训练后的参数矩阵进行矩阵稀疏化处理后，将参数发送给服务器，从而获得模型的总参数矩阵，减少了通信的数据量，缓解通信成本过高的问题，采用多级的矩阵加密的方式增加了安全层级，确保即使部分参与方存在恶意行为，也无法通过分参数矩阵重构出原始数据，有效解决了数据安全问题，同时，每次迭代均在本地进行，数据的针对性更强，从而确保最终训练出来的模型预测能力更加准确。