基于生成对抗网络的联邦学习训练方法及系统

本发明公开了基于生成对抗网络的联邦学习训练方法及系统，包括构建生成对抗网络、引入自注意力机制、设计SLEA和SCD、结合联邦学习、提出FEDSAC算法步骤，结合生成对抗网络与联邦学习，克服了传统联邦学习方法在处理大量数据时存在的训练时间长、精度损失和隐私泄露等问题。引入自注意力机制以及设计SLEA和SCD模块，提高了模型的鲁棒性和特征提取能力，使得生成的数据实例更加真实。在保护数据隐私的同时，实现了高效训练模型，为大数据和人工智能领域的发展提供了有力的支持。