一种用于工业物联网通联控制的联邦学习方法及系统

摘要

本发明公开了一种工业物联网设备协同学习的联邦学习方法及系统，包括云服务器层、边缘计算中心层和终端设备层。云服务器负责全局模型的聚合，边缘计算中心负责本地模型的训练，数据始终不出边缘计算中心，保证了数据安全和隐私，在联邦学习训练过程中将连续多轮联邦学习训练中全局模型都未能正确推理的数据样本进行记录，认为这些样本由于数据分布的影响未能被全局模型所学习，因此特定的轮次中，会利用这些数据样本对本地模型进行训练微调后再上传云服务器进行全局模型的融合提高全局模型的鲁棒性和无偏性。当联邦学习训练结束后，在云服务器中对全局模型进行非线性参数量化，压缩模型所占用的存储空间，并在边缘计算中心对压缩后的模型进行微调后将模型部署到工业物联网终端设备中，模型的执行直接中终端中进行，可以降低成本、延迟，提高工业生产效率。