一种面向去中心化的零知识联邦半监督学习方法

本发明公开了一种面向去中心化的零知识联邦半监督学习方法，包括根据客户端存储的本地数据集，经过提取、聚类和加密，获得零知识特征码；根据客户端吸收的其它客户端的特征码信息更新本地特征码，通过特征码相似度计算、去中心算法和标签传播算法，为无标签数据生成伪标签；根据真实标签的损失与伪标签损失，对客户端内置的网络模型进行本地训练，本地训练完成后，获取并扩散模型参数；将其他客户端的模型参数在本地进行联邦聚合，本发明通过零知识特征码表示本地数据特征，能够保障本地数据偏好的私密性。本发明还通过基于零知识特征码之间的相似度进行加权传播，客户端通过吸收全网特征信息可生成高质量的本地伪标签。