基于大模型算力网络图像隐私保护的联邦学习方法及系统

1.一种基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：获取图像算力网络的节点信息以及节点处理图像数据信息，所述节点信息包括节点拥有的图像特征和标签信息；根据节点信息以及节点处理图像数据信息将节点分为被动节点和主动节点，通过对被动节点提取的紧凑图像特征和全局模块参数梯度进行加密保护，阻止主动节点通过被动节点的紧凑图像特征和被动节点的全局模块参数梯度来推理被动节点的特征信息；通过对主动节点的预测结果梯度进行加密保护，避免被动节点通过主动节点的预测结果梯度来推理主动节点的标签。

2.根据权利要求1所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于，包括以下步骤：

3.根据权利要求2所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于： 步骤s3中计算得到同态加密部分预测结果的方法：

4.根据权利要求3所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：步骤s4中秘密共享预测结果为：

5.根据权利要求4所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：步骤s6中第二全局模块参数一的加密梯度为：

6.根据权利要求5所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：步骤s7中加密紧凑图像特征梯度为：

7.根据权利要求6所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：步骤s9中主动节点按以下公式计算：

8.根据权利要求7所述基于大模型算力网络图像隐私保护的联邦学习方法，其特征在于：步骤s2中将只拥有图像特征的节点标记为被动节点，，表示被动节点个数，将既拥有图像特征还拥有标签的节点标记为主动节点；被动节点和主动节点生成用于同态加密的公私钥；主动节点初始化第一特征提取模型参数，被动节点初始化第二特征提取模型参数。

9.一种基于大模型算力网络图像隐私保护的联邦学习系统，其特征在于，用于实现权利要求2-8任一所述基于大模型算力网络图像隐私保护的联邦学习方法，包括信息获取单元、节点划分单元、主动节点单元、被动节点单元，其中：

10.一种计算机系统，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序/指令；所述处理器用于执行所述计算机程序/指令以实现权利要求2-8任一所述基于大模型算力网络图像隐私保护的联邦学习方法。