[发明专利]一种去中心的分簇联邦学习方法及系统

摘要

本发明提供了一种去中心的分簇联邦学习方法及系统，方法包括：对所有参与方进行预训练，得到每个参与方的模型权重和评分分数；根据模型权重，利用K‑Means算法对所有参与方进行分簇处理，得到多个簇；确定每个簇中评分分数最高的参与方为簇头参与方，确定簇中除簇头参与方之外的参与方为非簇头参与方；将簇头参与方作为对应簇的服务器，对每个簇进行联邦训练，得到多个全局模型。本发明通过将簇头参与方作为对应簇的服务器，对每个簇进行联邦训练，能够减了Non‑IID数据对模型训练的影响，同时也降低第三方中心服务器泄露数据的风险。