一种纵向联邦遗忘学习方法

本发明公开一种纵向联邦遗忘学习方法，涉及人工智能与联邦学习数据隐私保护技术领域。获取所有保留客户端的本地模型提取的特征，以及遗忘客户端的本地模型提取的参考特征；聚合所有保留客户端的本地模型提取的特征，得到聚合特征；根据聚合特征生成替代特征，并将其填入联合输入结构中对应于遗忘客户端的特征位置，得到联合输入特征；根据联合输入特征进行预测，得到预测结果以及分类损失；通过约束参考与替代特征在特征空间中的分布趋于不一致，得到反重构损失；通过约束聚合特征在特征空间中向所属类别原型的中心聚集，并约束聚合与参考特征在统计分布上趋于独立，得到重塑损失；根据上述损失，确定目标函数；根据目标函数进行联合优化。