一种隐私权重自适应的异构数据联邦协同训练方法及系统

本发明提供了联邦学习与隐私计算技术领域的一种隐私权重自适应的异构数据联邦协同训练方法及系统，方法包括：步骤S1、各客户端基于隐私权重对本地数据集执行差分隐私操作得到脱敏数据集，通过异构数据编码模型对脱敏数据集编码；步骤S2、通过对比学习模型，对各编码向量语义对齐，得到对齐向量集；步骤S3、通过对齐向量集对本地模型进行训练，生成本地梯度，提取本地模型参数，将隐私权重、本地梯度、本地差异参数上传服务器；步骤S4、服务器基于本地差异参数、全局梯度对全局模型训练，提取全局模型参数下发给各客户端进行训练。本发明的优点在于：极大的提升了异构数据联邦协同训练的兼容性、灵活性以及效率。