一种用户隐私保护的联邦学习方法与系统

本发明公开了一种用户隐私保护的联邦学习方法与系统，涉及隐私保护技术领域，包括步骤：客户端根据服务器发送的初始联邦模型参数，在本地数据集上对初始联邦模型参数进行多轮训练，获得更新后的本地模型参数；对更新后的本地模型添加隐私预算，并对添加了隐私预算的本地模型参数进行扰动，将扰动后的本地模型参数上传服务器端，在服务器端进行联邦模型训练；客户端在接收到服务器端发送的训练后的联邦模型参数后，对本地模型进行更新，通过训练后的联邦模型和更新后的本地模型进行用户隐私保护。本发明有效从相似客户端内获取更多有价值的信息，降低攻击者通过模型参数推断出原始数据特征的概率。