基于联邦学习的电商平台多源数据安全融合方法及系统

本发明公开了基于联邦学习的电商平台多源数据安全融合方法及系统，涉及联邦学习与数据安全交叉技术领域，包括，采集用户行为数据、交易数据和用户属性数据进行预处理，生成多模态特征向量；基于多模态特征向量，计算各多模态特征向量的因果重要性分数，生成本地分数向量，并根据本地分数向量动态调整隐私保护强度，生成加密特征向量；基于融合特征矩阵，提取各平台专属权重向量，计算特征权重强度相对贡献度，生成贡献比例表，并将贡献比例表进行零知识证明验证，生成数据融合审计报告。本发明实现了隐私保护强度的细粒度动态调控，使高价值特征保留更高数据效用，低价值特征增强隐私保护，达成了隐私保护与数据精度的最优平衡。