一种基于联邦学习的跨平台营销模型协同训练系统

本发明公开了一种基于联邦学习的跨平台营销模型协同训练系统，包括以下步骤：步骤一：全局模型初始化、步骤二：本地数据准备、步骤三：本地模型训练、步骤四：本地参数扰动处理、步骤五：加密参数上传、步骤六：中心聚合更新、步骤七：模型参数分发、步骤八：迭代收敛判断、步骤九：营销模型输出。本发明通过分步骤的协同训练流程，实现各平台本地数据隐私保护，仅传输扰动后的加密参数，避免原始数据泄露，同时采用基于样本数量的加权平均聚合方式，有效应对各平台数据量不均衡问题，提升模型在整体用户群体上的预测准确性；设置本地参数扰动处理和量化压缩步骤，确保模型训练在达到最优性能后及时停止，避免过度训练和资源浪费。