基于选择性解密的分割学习隐私保护方法及系统

本发明属于分割学习隐私保护技术领域，提供基于选择性解密的分割学习隐私保护方法，每轮学习中：客户端通过第一局部模型将原始数据映射为初始特征，获得并上传初始特征密文和标签密文至服务端；服务端将初始特征密文输入第二局部模型，基于服务端抽象判断算法监测到N层神经网络的第n层神经网络输出的第n层中间特征密文抽象时，回传第n层中间特征密文至客户端；将第n层中间特征明文上传服务端；输入第n层中间特征明文至第n层神经网络之后的网络获得预测结果，计算加噪梯度；客户端基于加噪梯度更新第一局部模型网络参数；还提供基于选择性解密的分割学习隐私保护方法的系统；本发明更好地保护了原始数据隐私，且提高了计算效率和训练效率。