一种基于集群知识蒸馏与自适应本地差分隐私的联邦学习双重优化方法及系统

本发明属于联邦学习双重优化技术领域，公开了一种基于集群知识蒸馏与自适应本地差分隐私的联邦学习双重优化方法及系统，该方法包括：客户端数据统计特征提取；客户端聚类；客户端本地训练；应用自适应本地差分隐私机制ALDP；集群内模型聚合FedAvg；结构知识蒸馏；全局模型更新；评估模型性能和隐私保护能力。本发明针对现有联邦学习方法在面对客户端数据异质性、模型蒸馏不稳定、隐私保护与性能难以兼顾问题，提出了一种将客户端聚类、结构知识蒸馏与自适应本地差分隐私机制相结合的联邦学习优化方法。通过将客户端数据统计特征聚类与结构关系知识蒸馏相结合，以及引入具备动态调整能力的扰动机制，在提升模型性能的同时，实现了对隐私信息的高效保护。