基于参与者选择与参数冻结的纵向联邦学习系统构建方法

本发明公开了一种基于参与者选择与参数冻结的纵向联邦学习系统构建方法，在客户端选择后，评估并冻结部分模型参数，减少通信量；参数服务器根据参与者的重要性进行聚合，将聚合后的全局模型发送给客户端；客户端更新本地模型，并根据模型稳定性决定是否冻结参数；通过对参与者的硬件和统计贡献进行评估，选择下一轮训练的参与者；通过冻结稳定的模型参数，减少中间统计信息的传输量，提升训练效率；在隐私保护的前提下，加速模型收敛，减少通信延迟，同时保持模型精度。