一种基于混洗差分隐私的联邦学习时间序列数据分析方法

本发明公开一种基于混洗差分隐私的联邦学习时间序列数据分析方法，包括以下步骤：中心服务器初始化全局模型参数，并将初始模型分发给所有联邦学习客户端；各客户端使用本地时间序列数据训练模型，计算梯度后对梯度进行裁剪，并添加拉普拉斯噪声；客户端将扰动后的梯度上传至洗牌器，洗牌器为每个梯度分配随机延迟时间并打乱上传顺序，实现隐私放大；中心服务器聚合洗牌器处理后的梯度生成全局梯度，并将更新后的模型参数广播至客户端；重复上述步骤进行迭代训练，并通过隐私会计方法实时跟踪隐私预算消耗，直至达到预设的隐私预算阈值或模型收敛；本发明实现了隐私放大，减少了噪声的注入。