具有模型多样性的联邦学习

具有模型多样性的联邦学习。公开了用于机器学习环境中的联邦学习的方法和系统。将多个服务器维护的机器学习模型的至少部分从服务器发送到多个客户端，从而产生多个本地机器学习模型。在每个客户端处，用本地存储在该相应客户端处的本地存储的数据来训练多个本地机器学习模型。确定多个本地机器学习模型中的每一个的相应损失，并且更新多个本地机器学习模型中的每一个的相应权重。来自每个客户端的相应更新的权重被传送到服务器，而不传送客户端的本地存储的数据。在服务器处，用从每个客户端发送的更新的权重来训练多个服务器维护的机器学习模型。