一种基于联邦学习和边缘计算的两方隐私保护方法及系统

专利主权项内容

1.一种基于联邦学习和边缘计算的两方隐私保护方法，其特征在于，包括任务分配阶段和任务执行阶段；在任务分配阶段，任务发布者向众包平台提交任务约束，众包平台根据任务约束寻找工人，并将选中的工人信息下发给任务发布者，其中，任务分配阶段的信息传递过程均通过边缘服务器实现；在任务执行阶段，任务发布者将众包任务进行加密上传到众包平台，工人从众包平台获取任务匹配信息，解密后开始执行任务；工人利用任务相关的感知数据训练成本地模型，并对本地模型进行扰动；将工人进行随机分组，同组工人的感知数据先进行聚合，聚合后以组为单位将感知数据提交至平台；任务发布者从平台获取聚合的感知数据，并对感知数据进行评估，将评估合格的感知数据聚合得到全局模型。