鲁棒去中心化协作学习方法及系统、计算机设备及介质

本发明属于机器学习技术领域，涉及鲁棒去中心化协作学习方法及系统、计算机设备及介质。该方法包括：每个客户端利用本地数据及当前本地模型计算本地梯度信息；将当前本地模型发送给自己的邻居；每个客户端利用自身数据及邻居的本地模型计算对应的交叉梯度信息，并将该梯度传回给相应的邻居；每个客户端借助验证集来计算邻居及自身的夏普利值，确定聚合时的权重，并据此权重聚合本地梯度信息及交叉梯度信息，根据聚合后的梯度更新当前本地模型得到最新的本地模型；经过多次迭代直至达到预先设定的学习轮数或损失值达到规定阈值。本发明结合夏普利值技术，设计基于客户端贡献度的去中心化梯度加权机制，从而提高模型性能，加速模型的收敛。