面向全局优化的联邦学习方法、电子设备及存储介质

本发明实施例提供了一种面向全局优化的联邦学习方法、电子设备及存储介质，涉及联邦学习技术领域。其中，方法包括：获取暂停训练集合；向包含有所述暂停训练集合的客户端节点集合下发本轮的模型参数，再获取基于下发模型参数在以本地样本数据为测试数据集上的平均损失；对于每一平均损失，根据平均损失与其对应客户端节点的所有平均损失的历史最小值的关系，将客户端节点集合分为第一集合和第二集合；获取第一集合中的每一客户端节点基于下发模型参数在以本地样本数据为训练数据集上的更新梯度；将获取的更新梯度聚合后生成全局模型更新梯度，结合模型参数对全局模型进行更新。本发明提供的实施方式应用于跳出局部最优解，找到全局最优解。