一种基于联邦学习的数据处理方法、设备及系统

本发明公开了一种基于联邦学习的数据处理方法、设备及系统，属于数据处理技术领域，包括收集不同参与者的异质性数据并进行预处理，根据预处理后的异质性数据进行提取关键特征并进行特征编码，本发明通过自适应特征选择函数F，根据数据的异质性程度和网络环境自动调整特征的重要性权重，确保模型聚焦于对预测最有效的特征，通过深度神经网络模型M进行特征编码，将高维特征映射到低维空间，提高了模型处理复杂数据的能力，通过Xavier初始化方法设置全局模型的初始权重和偏置项，确保模型参数的合理分布，加速训练过程，根据数据异质性程度动态调整联邦学习中的参数，学习率和通信轮数使模型能更灵活地适应数据分布变化，提高训练效率和模型质量。