一种基于梯度分片和随机路由的隐私保护拜占庭鲁棒联邦学习方法

本发明公开了一种基于梯度分片和随机路由的隐私保护拜占庭鲁棒联邦学习方法，包括：初始化全局模型参数并向客户端广播训练参数；各客户端基于初始化后的全局模型参数和本地训练数据执行本地训练获得本地梯度，将本地梯度划分为多个梯度分片并基于隐私保护机制进行随机路由后发送至边缘节点；各边缘节点对接收的梯度分片进行筛选和适应度评估，根据评估结果对候选梯度进行扩增并执行鲁棒聚合获得分片级聚合结果；中心服务器接收各边缘节点的分片级聚合结果，根据历史聚合结果进行一致性校验并识别异常边缘节点；中心服务器拼接通过更新后的最新历史有效聚合分片重构全局梯度，并根据全局梯度更新全局模型参数。本发明隐私保护能力强、可扩展性高。