一种用于边缘智能的联邦类增量学习系统及方法

本发明公开了一种用于边缘智能的联邦类增量学习框架及方法。该框架包括：中心云服务器，多个边缘服务器和多个边缘智能设备，中心云服务器与多个边缘服务器连接、一个边缘服务器与多个边缘智能设备连接，其中，中心云服务器包括第一初始神经网络模型和第二初始神经网络模型。本发明解决了边缘设备的性能和资源需求过高，无法在低计算和存储资源的边缘设备上高效运行，类增量学习方法存在灾难性遗忘问题，模型在接收到新的类别数据时，其对旧类别的表现会急剧下降，缺乏对数据隐私的有效保护，尤其是在联邦学习中，由于不同边缘设备上的数据分布不均匀，模型容易泄露本地数据的敏感信息的技术问题。