一种基于联邦学习和bert模型的医疗数据隐私保护方法

本申请涉及一种基于联邦学习和bert模型的医疗数据隐私保护方法，包括：各医疗机构基于各自的医疗数据集对中央服务器下发的BERT模型进行训练，计算出对应的模型梯度，基于扰动的模型梯度计算对应医疗机构的参数更新量；各医疗机构对各自的参数更新量进行随机切分，并将切分后的数据按照隐私重要程度划分等级，对每个等级的数据采用不同的加密算法进行加密，得到对应的加密数据；对每个医疗机构的不同加密数据分别进行威胁检测，将无威胁的加密数据上传中央服务器进行解密与数据聚合，得到全局模型参数；各医疗机构基于中央服务器下发的全局模型参数更新各自的本地模型参数，并基于更新的本地模型参数训练本地模型。