本說(shuō)明書(shū)實(shí)施例提供一種實(shí)現(xiàn)隱私保護(hù)的更新強(qiáng)化學(xué)習(xí)系統(tǒng)的方法，其中強(qiáng)化學(xué)習(xí)系統(tǒng)包括服務(wù)端和N個(gè)客戶端，服務(wù)端部署強(qiáng)化學(xué)習(xí)模型的公共神經(jīng)網(wǎng)絡(luò)，N個(gè)客戶端中各自部署該強(qiáng)化學(xué)習(xí)模型的線程神經(jīng)網(wǎng)絡(luò)，并各自搭建業(yè)務(wù)環(huán)境，其中強(qiáng)化學(xué)習(xí)模型用于針對(duì)業(yè)務(wù)環(huán)境預(yù)測(cè)業(yè)務(wù)動(dòng)作。在該方法中，每個(gè)客戶端利用其部署的線程神經(jīng)網(wǎng)絡(luò)獨(dú)立地與其搭建的業(yè)務(wù)環(huán)境進(jìn)行交互，并利用交互數(shù)據(jù)計(jì)算梯度數(shù)據(jù)，再對(duì)梯度數(shù)據(jù)進(jìn)行加密后傳輸至服務(wù)端，服務(wù)端對(duì)每個(gè)客戶端傳輸?shù)募用軘?shù)據(jù)進(jìn)行匯總解密，得到對(duì)應(yīng)于多個(gè)梯度數(shù)據(jù)的梯度和值，用以集中更新公共神經(jīng)網(wǎng)絡(luò)的模型參數(shù)。如此，可以在防止客戶端中本地隱私數(shù)據(jù)被泄露的同時(shí)，實(shí)現(xiàn)多個(gè)客戶端聯(lián)合訓(xùn)練強(qiáng)化學(xué)習(xí)模型。