一种通用的模型异构联邦学习隐私保护方法

本发明提供一种通用的模型异构联邦学习隐私保护方法，包括云服务器随机选择在线客户端，并通过隐私保护并集协议获取客户端的模型生成参数并集；根据并集生成不同大小和架构的异构模型，并将这些模型分发至边缘节点进行存储；客户端从对应的边缘节点下载本地模型，并对训练后的模型参数进行扰动和加密；边缘节点接收客户端上传的加密模型参数，通过阈值向量聚合协议进行安全聚合，得到满足差分隐私要求的聚合模型；云服务器接收来自所有边缘节点的聚合模型，采用异构模型聚合方法进行全局更新，得到新的全局模型。本发明通过创新的隐私保护协议和系统架构，有效解决了模型异构联邦学习场景下的隐私保护问题，提高了联邦学习的实用性和安全性。