恶意客户负面影响忘却方法及应用、电子设备与存储介质

本发明提供了一种恶意客户负面影响忘却方法及应用、电子设备与存储介质，属于深度学习技术领域。本发明通过计算客户端的本地模型参数的低质量因子并利用K‑means聚类算法筛选出含有低质量数据的恶意客户端，并进一步筛选出恶意客户端本地模型中受低质量数据影响的参数；随后，通过知识蒸馏技术对恶意客户端的负面影响进行忘却。本发明能有效识别并处理低质量的本地模型段，减少不良数据对全局模型的负面影响，同时保留高质量数据的积极贡献，降低了计算和通信成本；该方法动态调整模型参数，确保模型在各种环境下始终保持最佳性能，并通过联邦学习框架增强客户隐私保护，提高了分布式数据训练的效率和可靠性。