一种具有鲁棒性、可验证性、隐私性的高效联邦学习聚合方法及装置

本发明提出了一种具有鲁棒性、可验证性、隐私性的高效联邦学习聚合方法及装置，属于分布式深度学习安全领域。具体步骤为：受信任的授权机构将验证准备信息发送给客户端；客户端在本地训练模型，计算辅助信息并共享给双服务器；梯度无损差分隐私增强算法下，双服务器将布尔共享转换为无损梯度算术共享，同时添加客户端级差分隐私；双服务器执行核主成分PCA降维和DP容忍聚类；双服务器聚合梯度并将全局更新信息发送给客户端；客户端完成轻量化增强验证信息传输并使用接收到的信息验证聚合完整性，确保强可验证性；如果验证通过则回到步骤二，继续下一轮次的训练，直至模型收敛或是达到预设的训练轮次。