基于对抗特征聚合的联邦大模型学习方法及多方计算系统

本申请实施例提供一种基于对抗特征聚合的联邦大模型学习方法及多方计算系统，涉及人工智能领域。该方法应用于多方计算系统，所述多方计算系统包括多个参与方以及中心服务方，所述多个参与方均与所述中心服务方通信连接；该方法包括：针对所述多个参与方中的任意一个参与方，所述参与方，基于噪声生成器对本地数据进行对抗特征生成处理，得到对抗特征，所述噪声生成器用于生成噪声数据；将所述对抗特征上传到所述中心服务方；所述中心服务方，通过对抗特征集群对特定任务进行模型训练，得到目标模型，所述对抗特征集群由所述多个参与方下发的对抗特征聚合得到的。本申请的方法，减小了各参与方与服务器间通信开销，提高了本地数据的隐私保护性。