一种基于差分隐私的联邦分层学习方法

本发明涉及联邦学习技术领域，具体为：一种基于差分隐私的联邦分层学习方法，具体包括以下步骤：步骤一：系统架构设计，构建一个多层的联邦分层学习架构，包括最底层、中间层和最顶层；步骤二：本地模型训练，在最底层,每个数据拥有者i拥有本地数据集Di,其样本数量为|Di|，数据拥有者i基于本地数据集Di,使用随机梯度下降优化算法训练本地模型其中θi为模型参数；本发明中，在隐私保护上，最底层和中间层节点添加差分隐私噪声，结合动态隐私预算分配，构建多层保护屏障，防止模型参数传输过程中的隐私泄露，确保原始数据安全，避免隐私数据泄露。