基于图像类别漂移感知刚性调节的差分隐私联邦模型训练方法及系统

本申请公开了一种基于图像类别漂移感知刚性调节的差分隐私联邦模型训练方法和系统，涉及联邦学习技术领域，该方法包括:初始化联邦模型得到全局训练信息，并确定多个目标本地模型；基于本地训练数据集对目标本地模型中的分类头的参数进行训练更新，得到本地分类头更新量和图像类别漂移向量，并对其进行裁剪，基于此，分别采用分类头更新通道和图像类别漂移通道对全局分类参数、各图像类别的异常统计量进行更新，并生成各图像类别的类别刚性系数，并计算隐私损失，当累计的隐私损失达到预设值时得到优化后的联邦模型。本申请可实现对目标本地模型中的本地分类头更新信息和图像类别漂移信息的隐私保护，同时实现基于图像类别级漂移反馈的训练约束调节。