基于联邦学习的线性模型训练方法及数据处理方法

本发明实施例提供的基于联邦学习的线性模型训练方法及数据处理方法，通过提供一种Guest方模型权重全程加密的状态下的模型训练机制和数据推理机制，实现了安全强度更高的协同训练，进一步降低Guest方在获取Host方部分样本数据后反推其余样本的可能。在模型训练机制中，通过增加不同Host方之间的通信交互流程，以及解密后使用另一Host方的公钥重新加密梯度，在各Host方聚合得到另一Host方公钥对应的Guest方盲化梯度密文，最终实现与该梯度相关的所有中间数据及最终数据对所有数据参与方均全程保持加密，Guest方却最终可获得用于更新本轮新模型权重密文的梯度密文，并且传输量及计算消耗增加量也较低。