一种基于多目标优化的联邦学习安全性测试方法、系统

本发明实施例提供一种基于多目标优化的联邦学习系统安全性测试方法，属于机器学习中的安全防护技术。包括：步骤1：正常训练与数据指标采集；步骤2：扰动模型参数初始化；步骤3：参数选择、交叉与变异；步骤4：自适应扰动参数选择；步骤5：动态测试策略生成与调整。本发明于融合多目标优化技术与动态控制策略，可根据联邦模型状态与防御机制反馈自适应调整扰动强度与方向，实现在不同阶段对系统安全性的有效测试。