1.一种基于联邦学习的隐私计算服务方法，其特征在于，包括：

获取联邦学习参与方的原始数据，并识别所述原始数据中的敏感字段的类型，并根据所述类型将所述敏感字段划分为不同的隐私等级，并根据所述隐私等级对敏感字段的内容进行局部遮蔽及在局部遮蔽的区域叠加动态噪声，以生成脱敏数据；

通过预设的加密算法复杂度将所述脱敏数据分割为多个数据块，并将所述数据块分配至独立运算单元进行并行加密处理，所述运算单元的数量与加密算法复杂度成正比，以形成运算单元分配策略；

将加密后的数据块通过加密传输通道传输至联邦学习协作节点，并获取所述联邦学习协作节点反馈的聚合计算结果，同步记录加密运算的耗时与聚合计算结果对应的隐私强度值；

将所述加密运算的耗时与预设阈值进行逐点对比，以计算出加密运算的耗时与预设阈值的百分比数值作为差异值；

提取所述差异值的偏离方向，并根据所述偏离方向和百分比数值调整脱敏数据块的分割数量，所述差异值为正向偏离则按比例增加分割数量以匹配所述运算单元分配策略的单元数量上限，若差异值为负向偏离则按比例减少分割数量以释放所述运算单元分配策略的冗余运算单元；

提取所述隐私强度值，并将每个数据块的差异值与对应的隐私强度值逐一绑定，以生成差异值与隐私强度值的验证对；

分析所述验证对中差异值与隐私强度值的相关性，当差异值为正向偏离且隐私强度值低于预设强度时，增加分割数量并提升隐私强度值的正向关联参数，且当所述差异值与隐私强度值均符合预设标准时，生成维持当前分割数量与隐私强度至的平衡关联参数；

将正向关联参数与平衡关联参数进行整合，以生成关联参数；

基于所述关联参数，当隐私强度值低于预设强度时，提升对应隐私等级的动态噪声并同步调整所述脱敏数据块的分割数量，使动态噪声增强后的脱敏数据块重新进行分割与加密处理，以形成动态联动机制。

2.根据权利要求1所述的方法，其特征在于，获取联邦学习参与方的原始数据，并识别所述原始数据中的敏感字段的类型，并根据所述类型将所述敏感字段划分为不同的隐私等级，并根据所述隐私等级对敏感字段的内容进行局部遮蔽及在局部遮蔽的区域叠加动态噪声，以生成脱敏数据，包括：获取联邦学习参与方提供的原始数据，逐一匹配所述原始数据的字段与预设敏感字段类型清单，所述预设敏感字段类型清单包含身份标识、位置轨迹的类型，将匹配成功的字段标记为敏感字段的类型；

获取所述敏感字段的类型关联的隐私风险权重表，并根据所述隐私风险权重表将包含身份标识的字段划入第一隐私等级，包含位置轨迹的字段根据所述位置轨迹中轨迹点的数量计算密度值，当所述密度值超过轨迹点阈值时划入第二隐私等级；

保留第一隐私等级的字段的前三位字符并将后续字符替换为遮蔽符号，并按所述前三位字符的位置逐一对所述遮蔽符号叠加动态噪声；

对所述第二隐私等级的轨迹字段执行分段遮蔽操作，所述分段遮蔽操作将连续的轨迹点按时间间隔拆分为区段，并对每个区段的末尾的轨迹点进行遮蔽，同时获取所述轨迹点的数值的波动范围，并在遮蔽的区域叠加与所述波动范围匹配的动态噪声；

将完成遮蔽与叠加动态噪声的敏感字段按所述原始数据的格式重组，以生成脱敏数据。

3.根据权利要求1所述的方法，其特征在于，通过预设的加密算法复杂度将所述脱敏数据分割为多个数据块，并将所述数据块分配至独立的运算单元进行并行加密处理，所述运算单元的数量与加密算法复杂度成正比，以形成运算单元分配策略，包括：根据预设的加密算法复杂度确定所述脱敏数据的分割数量，所述加密算法复杂度由加密运算的层级深度与数据块的长度定义；

按照当前加密算法复杂度等级对应的分割数量将所述脱敏数据切分为顺序标记的数据块，所述数据块的长度与加密算法复杂度成反比；

根据所述分割数量将所述数据块分配至独立的运算单元，所述运算单元绑定一个数据块并触发加密处理，所述运算单元的总数与分割数量严格一致，且运算单元的处理能力与数据块的长度匹配；

监测所述运算单元处理所述数据块的实时速率，若所述实时速率低于当前加密算法复杂度对应的预设基准速率，则将所述数据块按预设拆分比例切分为子数据块，并分配新增的运算单元同步处理所述子数据块，以形成运算单元分配策略。

4.根据权利要求3中所述的方法，其特征在于，监测所述运算单元处理所述数据块的实时速率，若所述实时速率低于当前加密算法复杂度对应的预设基准速率，则将所述数据块按预设拆分比例切分为子数据块，并分配新增的运算单元同步处理所述子数据块，以形成运算单元分配策略，包括：实时监测所述运算单元处理所述数据块的实时速率，并将所述实时速率与当前加密算法复杂度绑定的预设基准速率进行逐单元对比，以生成速率差异状态标记；

当检测到速率差异状态标记为低于预设基准速率时，触发数据块的拆分操作，所述拆分操作按预设拆分比例将当前数据块切分为多个子数据块，每个子数据块的长度与拆分比例成反比；

为新增的运算单元分配待处理的子数据块，并将每个子数据块绑定至独立运算单元进行加密处理，以形成运算单元分配策略。

5.根据权利要求1中所述的方法，其特征在于，将加密后的数据块通过加密传输通道传输至联邦学习协作节点，并获取所述联邦学习协作节点反馈的聚合计算结果，同步记录加密运算的耗时与聚合计算结果对应的隐私强度值，包括：为加密后的数据块附加顺序标识与通道密钥，通过加密传输通道按所述顺序标识将加密后的数据块逐批发送至联邦学习协作节点，并在发送时记录每批数据块的起始传输时间戳和终止时间戳，以记录加密运算的耗时；

在联邦学习协作节点的接收端验证所述加密后的数据块的顺序标识的连续性与通道密钥的有效性，并对验证通过的数据块执行聚合计算，以生成聚合计算结果；

基于数据块的加密特征计算所述聚合计算结果对应的隐私强度值。

6.根据权利要求1中所述的方法，其特征在于，基于所述关联参数，当隐私强度值低于预设强度时，提升对应隐私等级的动态噪声并同步调整所述脱敏数据块的分割数量，使动态噪声增强后的脱敏数据块重新进行分割与加密处理，以形成动态联动机制，包括：检查所述关联参数中标记的隐私强度值是否低于预设强度，当检测到隐私强度值低于预设强度时，对脱敏数据块中属于对应隐私等级的字段提升动态噪声，以生成噪声增强后的脱敏数据块；

计算提升动态噪声后的数据块的长度变化，并根据所述长度变化按预设分割规则调整脱敏数据块的分割数量，确保所述数据块的长度与分割数量成反比关系；

将调整分割数量后的脱敏数据块重新分配至独立运算单元进行加密处理，每个运算单元按更新后的分割数量绑定对应数据块并执行加密处理，以形成动态联动机制。

7.一种基于联邦学习的隐私计算服务系统，用于权利要求1~6任一项所述的一种基于联邦学习的隐私计算服务方法，其特征在于，包括：识别模块，用于获取联邦学习参与方的原始数据，并识别所述原始数据中的敏感字段的类型，并根据所述类型将所述敏感字段划分为不同的隐私等级，并根据所述隐私等级对敏感字段的内容进行局部遮蔽及在局部遮蔽的区域叠加动态噪声，以生成脱敏数据；

分配模块，用于通过预设的加密算法复杂度将所述脱敏数据分割为多个数据块，并将所述数据块分配至独立运算单元进行并行加密处理，所述运算单元的数量与加密算法复杂度成正比，以形成运算单元分配策略；

传输模块，用于将加密后的数据块通过加密传输通道传输至联邦学习协作节点，并获取所述联邦学习协作节点反馈的聚合计算结果，同步记录加密运算的耗时与聚合计算结果对应的隐私强度值；

计算模块，用于计算所述加密运算的耗时与预设阈值的差异值，并根据所述差异值调整所述脱敏数据块的分割数量以匹配所述运算单元分配策略，同时将所述差异值与所述隐私强度值进行交叉验证，以生成运算单元分配策略与隐私强度值的关联参数；

形成模块，用于基于所述关联参数，当隐私强度值低于预设强度时，提升对应隐私等级的动态噪声并同步调整所述脱敏数据块的分割数量，使动态噪声增强后的脱敏数据块重新进行分割与加密处理，以形成动态联动机制。

8.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1~6任一项所述的一种基于联邦学习的隐私计算服务方法。

9.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1~6任一项所述的一种基于联邦学习的隐私计算服务方法。