一种基于联邦学习的跨企业工业互联网标识解析数据共享与预测方法

本发明公开了一种基于联邦学习的跨企业工业互联网标识解析数据共享与预测方法，方法包括：搭建纵向联邦学习环境；为企业设备注册标识符，对各设备产生的本地数据进行标准化处理，将得到的标准化数据与相对应标识符进行数据关联；构建初始全局模型，通过联邦学习协调服务器将初始全局模型下发至各企业节点，基于各企业反馈的加密梯度参数对初始全局模型进行迭代训练，确定最终的全局模型；判断设备状态是否发生变化；当设备状态发生变化时，将设备实时运行数据输入至最终的全局模型，输出设备状态预测数据。本发明在进行高效数据共享以及数据隐私保护的同时，提升对企业设备的故障率的准确预测。