一种基于联邦学习的隐私计算方法、装置、系统及设备

摘要

本发明实施例提供了一种基于联邦学习的隐私计算方法、装置、系统及设备，所述方法应用于服务器端，包括：确定参与本次迭代训练的各目标客户端；将预设的剪裁参数发送至各目标客户端，以使各目标客户端对子模型参数变化值进行剪裁；接收剪裁后的子模型参数变化值并进行聚合处理，得到聚合模型参数变化值；基于加噪处理后得到的聚合模型参数变化值与本次迭代目标聚合模型参数，更新目标聚合模型参数；在当前迭代满足预设收敛条件时，按照中心极限定理，利用f‑差分隐私机制对目标聚合模型的隐私参数值进行计算；在不满足时返回执行确定参与本次迭代训练的各目标客户端的步骤。本发明实施例，能够对基于联邦学习的模型隐私参数进行计算。