基于双向反馈知识蒸馏与差分隐私的联邦学习方法及系统

本发明属于智能交通领域，提出了一种基于双向反馈知识蒸馏与差分隐私的联邦学习方法及系统，通过设计双向反馈机制，实现客户端与服务器端的动态协同优化，在客户端，通过设计一种知识蒸馏框架，分别提取非独立同分布数据环境下的本地模型特征，结合自适应差分隐私算法保护交通数据隐私，并依托双向反馈机制动态调整知识蒸馏与隐私保护的强度，显著提升模型性能与隐私保护的平衡能力，在服务器端，设计一种基于双向反馈的自适应知识蒸馏融合策略，进行全局模型优化，进而提高在复杂交通场景中的预测精度和通信效率，本发明不仅有效避免用户隐私泄露，同时提高了联邦学习模型的精度和对复杂交通场景的适应性。