一种基于自适应梯度裁剪的差分隐私联邦学习方法

本发明公开了一种基于自适应梯度裁剪的差分隐私联邦学习方法，包括中心服务器根据用户集合和模型结构对联邦学习参量进行估计，依据估计结果设置联邦学习控制参量，并将联邦学习控制参量广播至用户集合，所述用户集合为所有参与联邦学习的本地用户集合。本发明基于异步联邦学习收敛性与实际梯度观测值的自适应调节差分隐私噪声方差，中心服务器按阶段减小噪声方差，并将噪声方差与梯度裁剪大小的比值设为常值，以保证在提供相同差分隐私保护程度的前提下提升最终模型的效用。