[发明专利]一种高效通信且保护隐私的个性化联邦学习方法

摘要

本发明提供一种高效通信且保护隐私的个性化联邦学习方法，包括以下步骤：S1：从中央服务器拉取当前全局模型Wt到所有客户端中，初始化各个客户端的本地模型S2：执行E轮本地训练，得到新的本地模型S3：将的模型参数发送到中央服务器；S4：在中央服务器中对接收到的模型参数聚合，得到聚合结果Wt+1；S5：根据Wt+1将所有客户端的本地模型更新为S6：判断是否完成预定迭代次数；若是，则完成个性化联邦学习；若否，则令t＝t+1，并返回步骤S2进行下一轮个性化联邦学习。本发明提供一种高效通信且保护隐私的个性化联邦学习方法，解决了现有的个性化联邦学习方法没有实现个性化客户端本地模型与全局模型的平衡的问题。