一种跨设备生物特征多拟态学习系统

本发明公开了一种跨设备生物特征多拟态学习系统，包括客户端设备与全局模型聚合服务器。客户端设备配备多拟态特征编码器，用于将多源生物特征数据映射至统一嵌入表示空间；本地差分隐私模块，用于根据分配的噪声强度对嵌入表示添加扰动；本地模型训练引擎，用于更新本地参数。服务器包括模型聚合引擎，用于聚合本地参数生成全局模型；隐私风险感知器，用于监控偏差累积并动态调整各生物模态的噪声预算分配策略；机器遗忘学习引擎，用于响应数据删除请求并执行近似抹除操作。本发明有效解决了多模态生物特征数据在联邦学习中的统一表示、隐私保护与模型精度的动态平衡、以及数据痕迹高效抹除问题，显著提升了系统的安全性、实用性和合规性。