基于信任机制和共识步长的去中心化联邦学习聚合方法

本发明涉及联邦学习技术领域，并具体公开了一种基于信任机制和共识步长的去中心化联邦学习聚合方法。本发明通过引入信任度和动态共识平均机制，能够在聚合过程中根据节点的历史表现和相似度动态调整模型更新，从而优化信息共享和模型参数的聚合效率。不仅提高了训练速度和资源利用效率，还增强了模型在异构数据环境中的鲁棒性和性能，实现更有效的去中心化学习。