基于动态信任评估的联邦学习模型聚合方法、系统及装置

本发明公开了一种基于动态信任评估的联邦学习模型聚合方法、系统及装置，该方法包括通过获取参与方节点的历史行为数据，利用贝叶斯优化算法动态更新信任分数，依据信任分数通过计算得到聚合权重，对参与方节点的本地模型参数进行加密处理得到密态参数并上传至联盟链，基于密态参数及聚合权重，得到聚合模型参数，生成模型水印，将聚合模型参数及模型水印上传至联盟链存储并输出。本发明解决了传统联邦学习的中心化信任风险、节点行为不可控及聚合过程不追溯问题，实现了动态信任评估与可信聚合，提升了隐私保护强度与聚合效率。