联邦学习方法及系统

本公开提供一种联邦学习方法及系统，其中，方法，应用于客户端，包括：接收服务器端发送的全局控制变量和全局模型；根据全局模型初始化本地模型，确定经过初始化的本地模型；将本地训练数据输入经过初始化的本地模型进行模型训练，确定本地模型的损失函数；根据本地模型的损失函数，基于反向传播和模型差异减少算法对本地模型进行更新处理，确定更新的本地模型；在本地模型进行预设次数的更新处理后，根据末次更新的本地模型和经过初始化的本地模型，确定本地模型改变量。通过本公开，在客户端引入模型差异减少算法，减少模型差异，避免本地模型过拟合，保护数据隐私，提高全局模型的收敛速率。
上海交通大学
李成林 | 张豪 | 阚诺文 | 郑紫阳 | 戴文睿 | 邹君妮 | 熊红凯