基于联邦学习模型的数据预加载方法、装置及相关设备

本发明实施例公开了基于联邦学习模型的数据预加载方法、装置及相关设备。该方法包括参与联邦学习的各个边缘节点获取用户的历史行为数据，并得到标准行为数据；各个边缘节点对标准行为数据进行加密处理，将加密后的标准行为数据划分为训练集和验证集；各个边缘节点基于训练集对本地的行为预测模型进行训练得到模型局部参数；中心节点汇总所有模型局部参数得到更新后的模型全局参数，并反馈给各边缘节点；各边缘节点持续地对模型局部参数进行迭代、上传和接收，直至中心节点对应的损失函数收敛，得到优化后的行为预测模型；采用验证集测试优化后的行为预测模型，得到最优的行为预测模型；利用最优的行为预测模型确定识别结果。该方法提高用户体验。