一种双重分解和聚合的可验证联邦学习方法及装置

本发明提出一种双重分解和聚合的可验证联邦学习方法及装置，属于联邦学习隐私安全保护领域；具体为：可信第三方(TTP)与每个客户端进行秘钥协商生成对应的秘钥TTP将秘钥通过随机数生成器生成随机数并对其求和得到TTP将通过对称加密的方法发送给每个客户端；每个客户端将训练的模型参数分解成n份发送给其他客户端并接受来自其他客户端发来的参数；每个客户端将参数进行第二轮分解，分解成公共部分(发送给服务器)和隐私部分(保留在本地)，令隐私部分为每个客户端基于上传的本地模型参数进行构造验证函数νi并将其一起发送给服务器；服务器聚合客户端发送来的模型参数ωi和验证函数νi，并将其聚合结果发送给客户端；客户端通过验证公式来验证数据是否相等，若相等，则执行后续更新操作，将接收到的带有偏置的全局模型参数与保留在本地的隐私部分聚合恢复真实的参数模型。