一种基于辅助生成器的高效联邦类增量学习方法及系统

本发明涉及一种基于辅助生成器的高效联邦类增量学习方法及系统，属于人工智能技术领域。该方法包括以下步骤：S1、客户端利用双损失补偿机制缓解局部模型的灾难性遗忘；S2、客户端构建辅助生成器，学习本地数据的知识分布；S3、代理服务器对辅助生成器执行一致性，避免辅助生成器的模式坍塌；S4、代理服务器利用上传的辅助生成器，构建i.i.d.数据集，缓解全局类不平衡导致的灾难性遗忘；S5、代理服务器在构建的i.i.d.数据集上选择最佳全局模型，解决全局模型的灾难性遗忘问题。本发明提供的技术方案不仅解决了传统方法中需要消耗大量存储开销的缺陷，还从局部和全局两个角度提出了对灾难性遗忘的全面解决方案。