基于联邦学习的隐私数据计算方法及系统

本发明涉及隐私数据计算领域，公开了基于联邦学习的隐私数据计算方法及系统，包括：对本地数据进行预处理并对预处理的数据进行密态特征对齐，选择联邦模式，基于本地模型梯度注入动态差分隐私噪声，并对注入噪声的梯度进行加密得到安全梯度；对得到的安全梯度进行聚合并验证数据的一致性，建立联邦迁移学习组件适应最小化源域与目标域的特征分布差异，通过多方协同决策建立安全提升树模型生成最终预测标签，并进行零知识审计存证；对隐私保护进行动态增强，将本地数据的敏感度进行分级，并对动态差分隐私噪声强度进行验证调整，利用双通道加密传输优化隐私安全，并强化联邦迁移学习组件。