一种面向数据异构的知识对齐异步联邦学习方法

本发明属于异步联邦学习技术领域，公开了一种面向数据异构的知识对齐异步联邦学习方法。该方法通过引入数据质量感知的聚合策略，结合基于陈旧度的知识蒸馏机制，使全局模型在不同设备的异构数据上均衡训练，提升模型的泛化能力。同时，设计基于聚合频率和权重的自适应学习率调整机制，确保不同设备对全局模型的贡献更加公平。该方法有效缓解了异步联邦学习中的训练偏差，提高了全局模型的准确性和稳定性，对于真实的联邦环境具有相当的适用价值。