一种基于分布式系统的联邦学习模型训练方法及系统

本发明涉及分布式机器学习和边缘计算领域，更具体地，涉及一种基于分布式系统的联邦学习模型训练方法及系统，首先构建联邦模型；通过SAC算法计算用户节点的调度策略；所述调度策略对用户节点进行划分，将联邦模型分配给划分后的用户节点，划分后的用户节点通过本地训练数据对联邦模型进行训练，得到局部联邦模型；所述中心服务器将局部联邦模型的参数进行聚合，得到训练好的全局联邦模型。本发明通过调度策略动态地分配训练任务和调度用户节点，在降低系统整体延迟的同时，确保全局联邦模型的训练高精度，有效地提升分布式环境中模型训练的效率。