一种基于差异感知协作的联邦学习方法及系统
知识产权简介
本发明公开了一种基于差异感知协作的联邦学习方法及系统,该方法包括:联邦训练开始前,所有客户计算本地类别分布,用某一度量函数衡量本地类别分布和全局类别分布的差异作为本地差异度,并上传至服务器;开始联邦训练,本轮被选中的客户从服务器下载上一轮的全局模型,进行本地训练;用本地差异度和本地数据量共同决定本轮参与训练的客户的聚合权重;本轮参与训练的客户将更新后的模型上传至服务器,服务器端用修正后的权重对客户模型进行聚合,得到全局模型,联邦训练的过程重复迭代若干轮次,直至联邦训练结束。通过本发明,缓解了类别分布异构问题对联邦学习性能的影响,进一步提升了模型表现。