面向异构数据的个性化联邦学习安全与遗忘方法及系统

本发明提供一种面向异构数据的个性化联邦学习安全与遗忘方法及系统，涉及人工智能及隐私保护计算技术领域，包括：获取多个客户端的身份标识及其对应的本地数据集；基于所述客户端的身份标识，通过中央超网络动态生成每个客户端的个性化模型参数；基于所述个性化模型参数在各客户端的本地数据集上进行训练，得到模型参数的变化量；基于所述模型参数的变化量更新所述超网络的参数；构建并维护多级样本池，包括正样本池、负样本池、历史负样本池和极端负样本池；基于所述样本池，通过在线对比学习机制对所述超网络进行并行净化处理，以抑制恶意客户端的影响或实现数据贡献的撤回。