一种基于密文低维投影的纵向联邦学习隐私保护与投毒鲁棒聚合方法

本发明属于机器学习、密码学与联邦学习安全领域，公开一种基于密文低维投影的纵向联邦学习隐私保护与投毒鲁棒聚合方法。针对单客户端中间表示隐私保护与训练期异常检测难以兼顾的问题，KGC提供Paillier同态加密，服务器从与训练输入同源的表示密文批量生成固定低维投影摘要，以逐坐标中位数原型和跨客户端预测器分别计算类别语义异常与一致性异常，经标准化、批次风险、负指数映射和上限裁剪生成连续权重，并以整数权重同态聚合原始表示密文；前向融合与反向梯度使用同一有效权重并执行停止梯度，仅以高可信样本受限更新原型、统计量和预测器。KGC按请求类型、次数及矩阵维度校验两类批量解密请求，实现隐私保护与投毒软抑制。