一种纵向分割联邦学习系统标签推理防御方法及装置

本发明涉及一种纵向分割联邦学习系统标签推理防御方法及装置，属于数据隐私保护技术领域。首先被动参与方基于本地数据集利用底层模型计算得到切割层输出，主动参与方使用变分自编码器对被动方的切割层输出进行重构。标签通过变分自编码器重构，进一步由温度缩放技术平滑分布。最后，原始标签用于主动参与方的模型的训练和更新，模糊标签用于被动参与方的模型的训练和更新。本装置包括存储器和一个或多个处理器，存储器中存储有可执行代码。本发明显著降低了标签隐私泄露的风险，确保了纵向分割联邦学习系统在实际业务部署中的可用性与鲁棒性。本发明可在涵盖图像、文本、表格等不同数据模态的多种任务上实现标签推理防御，具有良好的任务通用性。