面向联邦学习的隐私状态切换方法及系统

本申请提供了面向联邦学习的隐私状态切换方法及系统，涉及隐私计算技术领域，方法包括：基于隐私保护策略引擎为联邦学习对象与联邦服务器提取初始隐私保护机制；以隐私‑效能平衡优化动态调节初始隐私保护机制，得到隐私保护机制；通过隐私保护机制对联邦学习对象与联邦服务器之间的数据交互进行保护。通过本申请可以解决现有技术中存在隐私保护强度与计算性能难以平衡，进一步影响联邦学习的训练效率、收敛效果及数据安全性的技术问题，实现动态调整隐私保护机制及参数，以适应不同训练阶段和不同学习对象的技术目标，达到在确保数据隐私安全的同时优化训练性能，提高模型收敛速度的技术效果。