一种结合锐度感知训练与知识蒸馏的联邦学习方法

本发明提供一种结合锐度感知训练与知识蒸馏的联邦学习方法，属于隐私保护技术领域。本方法步骤：中央服务器初始化全局模型参数，并将初始全局模型参数分发至参与客户端；各参与客户端接收全局模型参数后，基于本地数据集执行锐度感知训练，获得本地更新全局模型，作为教师模型；通过知识蒸馏方法基于本地训练集结合教师模型的软标签，获得学生模型参数变化量；对学生模型参数变化量进行隐私保护操作，并上传至中央服务器；中央服务器聚合各参与客户端上传的隐私保护后参数变化量，更新全局模型；更新后全局模型作为下一轮通信的初始全局模型。本发明方法平衡了隐私与效能，既能防止敏感信息泄露，又维持了联邦学习全局模型的实用性。