联邦学习的过程中模型参数的处理方法、装置及相关设备

摘要

本发明公开了一种联邦学习的过程中模型参数的处理方法，应用于人工智能技术领域，用于解决在联邦学习的过程中，模型参数的梯度与样本数据之间的互信息表示过大时用户隐私数据容易泄露的技术问题。本发明提供的方法包括：对用于训练本地模型的样本数据集进行采样，得到多个采样样本；获取通过该多个采样样本对该本地模型进行训练得到的参数的梯度；将该采样样本及该参数的梯度输入预先训练好的统计模型，得到该样本数据集与该梯度之间的互信息值；当该互信息值大于等于预设值时，发送上传该参数的梯度存在隐私泄露的风险提醒；当该互信息值小于该预设值时，将该参数的梯度上传至服务器。