一种防御梯度泄露攻击的模型训练方法

本发明提出了一种防御梯度泄露攻击的模型训练方法，能够在梯度泄露攻击情况下，实现低延迟、低能耗、高精度的全局模型训练。方法流程如下，用户节点、计算节点和边缘服务器组成联邦分裂学习框架，获取所述联邦分裂学习框架的训练时延、训练能耗和隐私泄露风险；根据获取的训练时延、训练能耗和隐私泄露风险，构建多目标优化问题，所述多目标优化问题以最小化所述联邦分裂学习框架的训练时延、训练能耗和隐私泄露风险为目的；对所述多目标优化问题求解，得到最优的特征压缩系数集合；根据最优的特征压缩系数集合，用户节点、计算节点和边缘服务器协同训练全局模型。