基于多属性排序的联邦学习参与方信任评估方法、设备及存储介质

本发明公开了一种基于多属性排序的联邦学习参与方信任评估方法、设备及存储介质，属于网络空间安全领域；其方法包括：聚合服务器发布联邦学习任务，并定义初始全局模型分发给各参与方；参与方基于本地数据训练本地模型，并发送给聚合服务器；聚合服务器收集与参与方交互的行为信息，及推荐服务器的推荐信任信息，并将行为信息和推荐信任信息作为信任证据，根据信任证据，计算参与方的信任属性综合值，并基于信任属性综合值更新信任信息后，选择排名靠前的参与方上传的本地模型参与模型聚合，聚合结束后将聚合后的模型发给所有参与方；设备及存储介质用于实现该方法；本发明提升了联邦学习性能和模型精度，在联邦学习领域具有重要的应用价值。