一种基于联邦学习的卫星互联网模型安全数据共享方法

本发明公开了一种基于联邦学习的卫星互联网模型安全数据共享方法，首先，基于动态图注意力机制构建自适应的地面移动终端分簇策略，通过分析节点移动规律与通信特征建立时空感知的环形拓扑，为去中心化计算奠定网络基础。其次，开发了模分解混淆加密方案，利用叠加冗余模分量和随机数注入技术实现梯度参数的同态加密，压缩了密文尺寸，并通过分布式私钥管理避免第三方中心依赖。最后，创建多子环并行计算架构，将模分解任务拆分为独立计算单元，基于就近通信原则实现局部模型组合，既消除传统服务器瓶颈，又降低了聚合延时。整个方案通过拓扑层、加密层与计算层的协同设计，在保障数据隐私条件下达成跨域协同训练的可行性与效率平衡。