基于统计特征匹配的一次通信联邦学习方法和装置

基于统计特征匹配的一次通信联邦学习方法和装置，该方法包括以下步骤：系统由多个参与方组成，每个客户端拥有各自独立的本地数据和标签，且客户端之间的数据分布不满足独立同分布假设；在客户端，首先初始化本地模型，并利用本地数据进行多轮迭代训练。完成模型预训练后，客户端将模型参数上传至服务器；在服务器端，通过集成模型计算全局统计特征，并初始化全局模型参数和生成器参数；在数据生成阶段，服务器利用生成器生成合成数据，并通过结合批归一化统计量和卷积层统计量优化生成器参数，从而生成高质量的合成数据；在全局模型优化阶段，服务器通过知识蒸馏利用生成的合成数据提升全局模型的性能；服务器循环执行合成数据生成和全局模型优化两个阶段，直至全局模型逐渐收敛。本发明能够显著提升全局模型性能，同时仅需一次客户端与服务器的通信，大幅降低通信成本，适合大规模应用。