一种基于树状拓扑结构的联邦学习方法及装置

摘要

本申请提供一种基于树状拓扑结构的联邦学习方法及装置，涉及机器学习技术领域，用以解决联邦聚合时间过长及网络传输压力大的问题。所述方法的树状拓扑结构包括至少两层结构，每层结构包括至少一个节点，每个节点对应一个训练模型，所述方法包括：若满足预设触发条件，则对所述树状拓扑结构当前层的节点进行抽样处理；确定所述进行抽样处理后的当前层节点对应的训练模型，对所述确定的训练模型进行联邦聚合。该方法减轻分层的树状拓扑结构在进行联邦聚合时的网络传输压力，且加快联邦聚合的速度。