一种用于任意客户端退出问题的模型对比联邦学习方法

本发明公开的一种用于任意客户端退出问题的模型对比联邦学习方法，属于边缘智能计算技术领域。本发明实现方法为：在联邦学习本地训练阶段针对活跃客户端，构建加入正则项的模型对比模块，减小全局目标向局部目标的偏移；针对退出客户端，采用历史更新延用策略，保证退出客户端对全局更新的贡献度。在全局模型更新阶段，采用加权聚合模块，先对本轮次的客户端的更新量按贡献度加权聚合，通过给予普遍性数据更大的权重，防止错误数据或个性化数据对模型性能的负面影响；利用该加权聚合模块对该轮次局部更新的加权聚合量与上一轮次全局更新加权聚合，融合历史全局更新量，提升全局模型收敛速度，增强全局模型对数据异质性的鲁棒性。