基于联邦学习的参数聚合方法、系统、设备及存储介质

本申请适用于人工智能技术领域，提供了一种基于联邦学习的参数聚合方法、系统、设备及存储介质，方法包括：在获取到任一局部模型在目标网络层的多个局部神经元参数后，通过对多个局部神经元参数和全局模型在目标网络层的多个全局神经元参数，进行基于参数相似度的最优化匹配关系求解，得到目标参数匹配方式；根据所有局部模型的目标参数匹配方式，对各局部模型在目标网络层的多个局部神经元参数进行参数聚合，更新全局模型的目标网络层；将更新得到的目标网络层的多个全局神经元参数发送至各客户端进行局部模型更新；可以有效提高参数聚合效果和模型参数的准确性，从而提高了模型精度，进而有效提高了局部模型的数据处理效果。