本研究提出了一种新方法，解决联邦学习中的梯度重建攻击引发的数据泄露问题。通过推导重建误差下界，并结合噪声添加和梯度剪枝策略，优化了数据泄露与模型效用之间的平衡。实验结果表明，该方法有效保护训练数据并提升模型效用。
完成下面两步后，将自动完成登录并继续当前操作。
