基于联邦学习的多模态数据隐私保护分布式机器学习方法

本发明公开了一种基于联邦学习的多模态数据隐私保护分布式机器学习方法，其包括S1、数据预处理与特征提取；S2、多模态特征融合和对齐；S3、本地模型训练；S4、隐私保护处理；S5、参数聚合；S6、全局模型分发，本发明的通过公式化的特征对齐和参数聚合，提升了模型训练的稳定性、一致性和精确性；通过差分隐私噪声的精确计算有效平衡了隐私保护与模型性能，安全性好；通过自适应权重分配优化了分布式系统的资源利用率，大大提高了模型训练效率。