一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法

本发明涉及人工智能技术领域，尤其涉及一种基于解释梯度归因的低空联邦学习安全鲁棒聚合方法。本发明利用XAI技术，在服务器端通过使用XAI基础模型来评估本地模型的质量，该模型仅需少量验证数据，从而确保全球模型更新的准确性和可靠性。通过引入XAI，该方法能够根据客户端贡献的相关性动态调整聚合权重，有效缓解数据异质性和不可靠客户端行为带来的负面影响。该方案无需访问客户端数据，仅依赖少量验证集，即可在非IID数据及拜占庭攻击场景下显著提升全局模型精度、收敛速度与鲁棒性，同时提供可审计的贡献度解释，计算通信开销低，适用于资源受限的物联网环境。