一种基于雾节点与压缩感知的隐私保护和通信高效联邦学习方法

本发明提出一种基于雾节点与压缩感知的隐私保护和通信高效联邦学习方法，旨在解决传统联邦学习中通信开销高与梯度隐私泄露并存的关键问题。该方法构建由参与方、雾节点和服务器组成的三层架构组成，参与方在本地训练模型并对生成的梯度进行稀疏化处理，随后采用压缩感知技术对稀疏梯度进行编码，显著降低上传数据量。为进一步增强隐私保护，对每个压缩梯度引入掩码机制生成加密梯度，由雾节点完成部分加密梯度的聚合，避免原始梯度信息的泄露。通过压缩感知与雾节点的设计，可在保证模型精度的基础上实现通信效率与隐私保护能力的双重提升。该方法适用于资源受限、对数据隐私要求较高的大规模联邦学习应用场景。