一种联邦学习方法、系统及相关装置

本申请提供了一种联邦学习方法、系统及相关装置，涉及联邦学习技术领域，方法包括：多个第一设备各自用本地训练集中的训练样本按如下方式训练本地模型：获取本地模型对训练样本进行编码后根据编码特征预测的语义属性信息；以使根据预测的语义属性信息预测的类别与训练样本的类标签趋于一致为目标对本地模型进行参数更新，各第一设备的本地训练集中包含具有可见类标签的训练样本和具有不可见类标签的训练样本；各第一设备将更新后的模型参数发送至第二设备；第二设备对接收的模型参数进行聚合，将聚合后参数发送至多个第一设备；各第一设备根据聚合后参数更新本地模型的参数。基于本申请提供的方法能够获得具有较强泛化能力的模型。