考虑盟友间数据泄露的纵向联邦学习隐私保护方法和系统

本发明公开了一种考虑盟友间数据泄露的纵向联邦学习隐私保护方法和系统，属于垂直联邦学习隐私保护领域。记录纵向联邦学习系统的服务器端顶层模型的初始准确率，服务器维护一个采样自各客户端本地数据的数据子集；将每一个客户端依次视为第二客户端，其余客户端视为第一客户端，计算各第一客户端窃取第二客户端数据的风险，将风险最大值作为第二客户端的总体隐私泄露风险，若总体隐私泄露风险超过风险阈值，则对服务器下发至第二客户端的更新梯度加噪，基于加噪结果重新计算总体隐私泄露风险直至满足隐私保护条件；遍历全部客户端；本发明解决了纵向联邦学习中面向不依赖标签、中间结果和顶层模型的盟友间数据泄露风险的隐私保护能力增强问题。