技術特征：

1.一種增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，所述步驟s10包括以下步驟：

3.根據權利要求1所述的增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，所述步驟s20包括以下步驟：

4.根據權利要求1所述的增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，所述步驟s30包括以下步驟：

5.根據權利要求1所述的增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，所述步驟s40包括以下步驟：

6.根據權利要求1所述的增強魯棒性保護醫療隱私的聯邦學習方法，其特征在于，所述步驟s50包括以下步驟：

技術總結
本發明提供了一種增強魯棒性保護醫療隱私的聯邦學習方法，解決了智能醫療場景中的異構數據難以聚合和惡意參與者投毒攻擊的技術問題。技術方案包括：S10、系統管理員SM和科研機構RI生成公共參數，分發密鑰集；S20、醫院利用本地數據集訓練模型參數，歸一化模型并加密，將加密后的模型上傳至RI的服務器；S30、SM和RI協同進行歸一化判斷，RI利用余弦相似度評估梯度密文；S40、RI利用邏輯回歸函數調整梯度密文的聚合權重，然后聚合梯度密文；S50、RI和參與訓練的醫院共同更新本地模型。本發明使用全同態加密算法保護醫療患者的隱私數據，使用余弦相似度評估梯度密文，新的聚合機制確保訓練模型具備高度精確性。

技術研發人員：馬海英,仇健,楊天玲,沈金宇,陸子穎
受保護的技術使用者：南通大學
技術研發日：
技術公布日：2025/4/28