基于余弦相似度和轻量级隐私保护的安全联邦学习方法

本发明公开了基于余弦相似度和轻量级隐私保护的安全联邦学习方法，包括如下步骤：S1：预设全局模型收敛精度；S2：中央服务器将全局模型下发至若干客户端；S3：客户端训练本地模型，中央服务器训练中央服务器模型；S4：客户端均随机生成大于0的随机因子，每一个随机因子均乘上对应客户端的本地模型并更新量，然后上传至中央服务器；S5：保留非恶意客户端的模型更新；S6：根据保留的非恶意客户端模型更新的初始权重对其进行聚合全局模型更新，判断此时的全局模型是否达到预设的全局模型收敛精度；是，则终止；否，则再次进行聚合并更新全局模型，直到更新的全局模型达到预设精度，输出最终更新的全局模型。