基于去中心化联邦学习的模型训练方法

摘要

本申请提出了一种基于去中心化联邦学习的模型训练方法，包括：构建联邦学习网络，所述联邦学习网络包括多个节点和广播总线；动态选择一节点作为主节点，相对主节点其余节点作为从节点，主节点将第一模型数据传输给每一从节点；每一从节点基于第一模型数据和本地数据集进行训练得到第二模型数据，并对第二模型数据添加噪声数据得到第三数据模型，传输第三模型数据给主节点；主节点接收第三模型数据并清洗，将清洗后得到的所有第二模型数据进行模型数据聚合。该方法构建去中心化的联邦学习网络，实现稳定保证该联邦学习网络中存在可与所有节点通信的主节点，并提供一种噪声保护机制以保护模型数据的隐私性。