一种物联网设备的联邦学习分布式训练方法、装置及介质

本发明公开了一种物联网设备的联邦学习分布式训练方法、装置及介质，所述方法包括：将若干预测模型发送至中央服务器进行聚合，得到全局模型；其中，若干预测模型是通过引入拉普拉斯噪声集，并根据决策树集和若干物联网设备的模型预测函数而建立；获取全局模型，并通过梯度下降算法对全局模型进行训练，使全局模型的参数拟合本地数据集。本发明提出一种物联网设备的联邦学习分布式训练方法、装置及介质，通过利用自身的数据进行本地模型训练，减少了对中央服务器的依赖，不仅提高了模型优化效率，还降低了数据传输的需求，有效提高了系统的整体效率，能够解决难以在联邦学习中实现数据的本地优化处理，提高数据处理效率和安全性的问题。