基于差分隐私的联邦学习方法及系统

本发明公开了基于差分隐私的联邦学习方法及系统，属于联邦学习技术领域，要解决的技术问题为如何在保证本地数据隐私、同时抵御FL推理攻击的情况下实现联邦学习。包括如下步骤：基于辅助分类器GAN构建私有生成模型，私有生成模型包括生成器和两个判别器；引入真实样本和分类样本的分类损失对私有生成模型进行模型训练，得到训练后生成器；每个客户端基于合成样本对本地模型进行局部训练生成本地模型的局部模型参数、并将局部模型参数上传服务器，服务器基于各客户端对应局部模型参数以及权重进行聚合计算，得到全局模型参数，并将全局模型参数返回各客户端进行迭代模型训练。