基于变分自编码器、无监督聚类算法和联邦学习的数据生成方法

本发明公开了一种基于变分自编码器、无监督聚类算法和联邦学习的数据生成方法，该方法通过联邦学习架构共同训练每个本地客户端的变分自编码器，并且针对不同客户端数据域的差异，提出利用无监督聚类算法来对不同客户端进行分组，然后在每个簇内单独进行联邦学习模型训练，很大程度上缓解了数据域差异给联邦模型训练带来的危害，最终每个组可以训练得到一个全局生成模型。在预测阶段就可以利用训练好的全局生成模型产生更多安全的共享的数据，为更多机器学习和深度学习任务提高有效的数据支撑。