一种基于联邦学习的隐私保护型数据联合建模方法

本发明涉及数据保护技术领域，公开了一种基于联邦学习的隐私保护型数据联合建模方法，包括：获取本地数据进行元特征提取，计算关键统计量表征数据特性，收集元特征通过谱簇类分组为相似特性簇，根据相似特性簇规模和设备算力动态分配计算资源权重；根据客户端类型分配基础隐私预算，计算本地模型准确率与簇内水平差，动态调整隐私预算，基于隐私预算中添加自适应高斯噪声，调整梯度计算的梯度敏感度；通过零知识验证梯度合规性，并将验证通过的梯度进行安全聚合，通过知识蒸馏损失函数优化元模型，生成对抗样本分析得到泄露风险值识别知识泄露风险；分析计算神经元敏感度定位元模型中敏感神经元，注入定向噪声，调整初始参数进行初始化训练。