一种基于分布感知正则化的联邦学习方法

本发明属于联邦学习技术应用领域，具体涉及一种基于分布感知正则化的联邦学习方法，包括在每轮联邦学习，服务器确定参与本次训练的M个客户端；服务器根据计算能力和本地数据量获取每个客户端的数据处理方式，每个客户端根据自身对应的数据处理方式获取训练数据；服务器下发全局模型，每一个客户端通过训练数据训练全局模型得到本地模型参数，并上传给服务器；服务器根据历史训练数据计算时间窗口，在时间窗口内收集本地模型参数进行聚合得到新的全局模型；重复上述操作直至达到最大联邦学习轮次；本发明有效缓解多个客户端之间的设备异构问题。