一种抵御数据异构的异步分层联邦学习方法及系统

本发明涉及一种抵御数据异构的异步分层联邦学习方法及系统，属于人工智能技术领域。该方法包括以下步骤：S1：构建物联网中的分层联邦学习框架；S2：构建物联网中抵御数据异构、系统异构和意外掉队的异步分层联邦学习算法，以及在不可靠通信网络中的通信和计算模型；S3：构建抵御联邦学习中的客户端漂移的虚拟同质学习方法；S4：考虑不同客户端之间的数据分布、异构延迟和意外掉队情况，构建学习效用量化数据分布以及基于学习效用和延迟的客户端选择方法。本发明提供的方法可有效地提高分层联邦学习算法模型性能，具有广阔的运用前景。