一种稀疏感知的梯度上升联邦遗忘学习方法及装置

本发明公开一种稀疏感知的梯度上升联邦遗忘学习方法及装置，属于信息安全技术领域。其中方法包括：获取进行联邦学习训练的全局模型，并将全局模型作为目标客户端的初始本地模型；将初始本地模型稀疏化，获取目标客户端的本地模型；通过投影梯度上升的方式对本地模型进行遗忘学习训练，以遗忘所述待遗忘数据对本地模型的影响；利用完成遗忘的本地模型来更新所述全局模型。本发明通过对目标客户端的初始本地模型进行稀疏化，并基于稀疏化后的初始本地模型，为目标客户端设计参考模型，使用参考模型作为约束来执行梯度上升过程并获得遗忘模型，可以降低随机遗忘的概率，提高遗忘效果，防止灾难性遗忘。