一种基于参数替换算法的联邦学习方法及系统

摘要

本发明提供了一种基于参数替换算法的联邦学习方法及系统，其中方法包括：聚合服务器将起始参数发送给参与者(边缘计算设备和终端设备)，参与者根据起始参数初始化本地模型；参与者根据各自的训练集对本地模型进行训练，得到本地模型参数；边缘计算设备将训练后的模型参数发送给服务器和终端设备；终端设备根据更新后的第一模型参数初始化第二模型，执行状态判断，根据当前状态执行不同上传策略进行参数上传；聚合服务器对接收到的本地模型参数进行整合得到下轮的起始参数；重复上述直至所有第二设备退出联邦学习。本发明保证联邦学习中用户上传的参数可见，避免恶意用户上传错误参数，能保证联邦学习训练过程中的隐私安全和精度安全。