基于联邦学习的云边大小模型协同方法及系统、电子设备

本发明提供了一种基于联邦学习的云边大小模型协同方法及系统、电子设备，本发明充分利用云边资源，释放大小模型能力：云端训练大规模模型，边缘服务器和终端设备则训练适合本地场景的较小模型，通过联邦学习机制，实现不同层级节点之间的模型协同优化。数据可用不可见，保障数据私密和安全：边缘侧客户私有数据无需出域，云侧共享模型能力，实现了数据的可用不可见效果，保障了数据私密性和安全性。本发明提出了一种高效、灵活且可扩展的模型训练与优化方法，能够充分利用云边的算力资源，保护用户隐私，并不断优化全局大模型。