一种基于联邦学习的跨部门数据协同建模方法及系统

本发明提供了联邦学习与隐私计算交叉技术领域的一种基于联邦学习的跨部门数据协同建模方法及系统，方法包括：步骤S1、各边缘计算节点对部门数据执行脱敏操作，对脱敏数据进行编码得到特征编码向量；步骤S2、基于部门私有特征提取器、跨部门参数协同聚合层、全局任务头构建分层联邦学习框架；步骤S3、通过部门私有特征提取器从特征编码向量中提取数据特征以对模型训练并提取模型参数；步骤S4、对模型参数进行分层量化编码、加密、压缩得到压缩参数，跨部门参数协同聚合层对压缩参数共享；步骤S5、全局任务头读取共享的压缩参数对模型进行协同建模。本发明的优点在于：在保障安全性的前提下，极大的提升了跨部门数据协同建模的精度以及效率。