一种用于云际联邦学习的客户端模型聚合方法及相关系统

专利主权项内容

1.一种用于云际联邦学习的客户端模型聚合方法，其特征在于，包括以下步骤：S1，对各云服务商进行模型参数初始化，然后利用云服务商各自的私有数据分别对各云服务商的本地模型进行机器学习训练，得到各云服务商的本地模型参数；S2，计算每一个云服务商相邻两次训练得到的本地模型参数的组内差异，同时计算各云服务商之间当前模型参数的组间差异；S3，根据获取的本地模型参数的组内差异和组间差异，计算各云服务商模型参数的组间差异与组内差异之间的绝对差距，得到差异因子；S4，采用随机梯度下降模型更新方法计算各云服务商的本地模型梯度和全局模型梯度；计算各个云服务商的本地模型梯度与全局模型梯度的误差平方和，以获取的误差平方和作为收敛阈值；S5，选择差异因子不低于收敛阈值的云服务商参与下一轮联邦学习训练，完成云际联邦学习的客户端模型聚合。