一种基于精度动态公平权重与同态加密的联邦学习方法

本发明公开了一种基于精度动态公平权重与同态加密的联邦学习方法，在非独立同分布数据场景下，本发明通过基于精度的自信息量动态调整客户端权重，有效提升联邦学习的公平性；同时采用CKKS同态加密算法实现密文域内的模型参数安全聚合，显著增强隐私保护能力，且在保证模型精度的前提下降低隐私保护带来的性能损失。