联邦学习中可信聚合与异常隔离方法及系统

本发明涉及网络空间安全技术领域，具体提出了一种联邦学习中可信聚合与异常隔离方法及系统，其中联邦学习中可信聚合与异常隔离方法，依次执行客户端本地更新获取、裁剪差分扰动、分片掩码安全多方计算聚合、安全摘要提取、异常分数计算、三级处置状态判定、聚合权重分配、加权安全聚合更新全局模型、审计链记录存储的步骤，构建了“隐私保护、异常识别、动态处置、加权聚合和审计追溯”的一体化技术闭环；从而使联邦学习协同训练系统在保持较高模型准确率的同时显著降低异常接纳率，并实现全流程可机读、可校验的审计追溯能力，提升了联邦学习系统在对抗环境下的鲁棒性、安全性和可信度。