联邦机器学习方法、装置、存储介质及处理器

专利主权项内容

1.一种联邦机器学习方法，其特征在于，应用于服务器节点，所述方法包括：将所述服务器节点上的全局模型在上一轮训练后所得到的最终模型参数确定为所述全局模型在当前训练轮次的下发模型参数；获取每个客户端节点的本地模型基于所述全局模型在所述上一轮训练时所下发的模型参数训练后得到的历史单次贡献度和历史累积贡献度；根据所述全局模型的历史训练总次数以及每个客户端节点的历史单次贡献度和历史累积贡献度确定每个客户端节点的当前累积贡献度；根据每个客户端节点的当前累积贡献度确定参与所述当前训练轮次的客户端节点数量，以及每个客户端节点的当前随机被选中的概率；根据每个客户端节点的当前随机被选中的概率从多个客户端节点中选取所述客户端节点数量的参与所述当前训练轮次的客户端节点；发送所述下发模型参数至每个参与本轮训练的客户端节点，以使每个参与本轮训练的客户端节点通过所述下发模型参数训练相应的本地模型。