一种基于联邦学习的跨园区企业数据协同分析方法

本发明提供一种基于联邦学习的跨园区企业数据协同分析方法，涉及分布式机器学习与数据安全技术领域，方法包括：中央服务器分发初始全局模型及配置参数至各园区节点；节点执行本地数据特征对齐生成标准化特征向量；计算本地数据与全局分布的动态协同因子；基于协同因子调整训练策略并更新模型参数；通过加密信道收集模型更新，采用动态聚合偏移阈值筛选有效更新；加权聚合生成新全局模型；当满足跨园区收敛条件或达最大轮次时终止流程。本发明通过动态特征对齐机制消除异构数据差异，结合双通道协同评估与自适应安全防护，在保障数据主权前提下显著提升多园区协同建模效率与鲁棒性，解决了特征空间割裂、攻击防护薄弱及节点贡献失衡问题。