基于横向联邦学习的模型训练方法、系统、介质、设备及产品

一种基于横向联邦学习的模型训练方法、系统、介质、设备及产品。方法包括：针对每一轮训练，根据第一随机种子和第二随机种子，生成第一随机数，多个参与方在当前训练轮次各自生成的第一随机数的和为零；利用第一随机数对本地模型的当前梯度进行加噪处理，得到噪声梯度；将噪声梯度发送至服务器，服务器用于对多个参与方发送的噪声梯度进行聚合，根据聚合后所得的噪声梯度更新模型参数，将更新后所得的模型参数同步多个参与方；利用服务器同步的更新后所得的模型参数，更新本地模型。在避免服务器从模型梯度中获取参与方私有数据的同时，保证噪声梯度正确聚合，无需额外设置解密服务器，噪声梯度的聚合运算的计算复杂性与明文梯度相当。