一种基于强化学习的联邦学习鲁棒性聚合方法及系统

本发明提供一种基于强化学习的联邦学习鲁棒性聚合方法及系统，该方法包括以下步骤：服务端节点接收客户端节点在完成本地训练后上传的模型参数；将每个客户端节点上传的模型参数构建为初始参数向量，将服务端节点当前的模型参数构建为本轮参数向量，基于所述初始参数向量、当前的本轮参数向量和客户端节点当前的权重值计算几何中值向量；计算每个客户端节点当前的初始参数向量与几何中值向量的距离，并构建为状态向量输入到强化学习模型中，所述强化学习模型对应每个客户端节点输出更新的权重值；基于每个客户端节点输出更新的权重值、所述初始参数向量和当前的本轮参数向量计算模型参数向量，所述模型参数向量中各个维度的值均为模型参数。