基于神经网络的联邦建模方法、设备及可读存储介质

摘要

本发明公开了一种基于神经网络的联邦建模方法、设备及可读存储介质，该方法包括：第一终端将已标注的第一样本数据输入待训练模型的第一神经网络进行迭代，并对经迭代后所述第一神经网络的第一输出进行同态加密；接收第二终端发送的经同态加密后的第二输出；依据经同态加密后的第一输出和第二输出，计算加密的损失值和梯度值，并将加密的损失值和梯度值传输至第三终端，由所述第三终端对加密的损失值进行解密之后，依据解密的损失值判断所述待训练模型是否收敛，若所述待训练模型收敛，则结束训练，得到待训练模型。本发明能够提高各方样本数据的私密性和利用率。