一种Non-IID数据分布下的隐私保护联邦学习性能优化方法

本发明涉及信息安全研究技术领域，具体涉及一种Non‑IID数据分布下的隐私保护联邦学习性能优化方法，本发明针对Non‑IID数据分布下联邦学习在隐私保护、模型收敛与泛化能力方面的挑战，提出了一种隐私保护联邦学习性能优化方法。本发明通过客户端动态聚类、簇内对比学习、正则化机制及自适应差分隐私等技术手段，在提升联邦学习模型性能的同时，有效缓解数据异构性带来的影响，并在满足隐私保护要求的前提下优化模型的泛化能力。