一种轻量级的基于遗传算法的联邦学习聚合方法

本发明涉及知识图谱技术领域，具体涉及一种轻量级的基于遗传算法的联邦学习聚合方法。本发明提供一种轻量级的基于遗传算法的联邦学习聚合方法，通过引入遗传学习理论，重构联邦学习过程中服务器端的聚合机制，对现有聚合方法进行轻量化改进，以便更好地解决现有技术应用于物联网领域时出现的问题。本发明通过选择在每一轮训练中表现优异的客户端模型参与聚合，显著加速全局模型的收敛过程，降低训练过程中资源消耗，并提升模型的最终性能。相较于现有的联邦学习算法，本发明的选择性聚合方案在应对不可靠或异构客户端时，能够有效减少或避免来自恶意客户端的干扰，降低恶意攻击对联邦学习性能的负面影响，从而进一步提升模型的鲁棒性与可靠性。