一种针对异构噪声模式的联邦学习方法及系统

本发明提供一种针对异构噪声模式的联邦学习方法及系统，包括通过服务端和多个客户端基于初始全局模型进行多轮联邦学习，得到最终的全局模型，每轮包括；通过各客户端利用最新的全局模型预测本地训练集中所有样本的类别，得到预测结果，根据所有样本的预测结果评估各客户端本地指标；通过服务端接收所有客户端的本地指标，根据各客户端本地指标从多种噪声模式中确定其本地训练集所属的噪声模式；在每个客户端基于多种噪声模式与多种损失函数的映射关系，选择与对应噪声模式匹配的损失函数，利用本地训练集和选择的损失函数对客户端模型进行本地训练，得到更新后的客户端模型；通过服务端聚合所有客户端更新后的客户端模型，得到更新后的全局模型。