基于核的联邦学习方法、系统、计算机设备和存储介质

本申请涉及一种基于核的联邦学习方法、系统、计算机设备和存储介质，通过在客户端集合中选取目标客户端构成客户端子集；将第一机器学习模型的第一参数和迭代次数发送至客户端子集；其中，目标客户端用于根据第一参数和迭代次数进行随机特征采样和双随机梯度求值，并基于双随机梯度更新第二机器学习模型，生成第二参数；第一机器学习模型为服务端的本地机器学习模型，第二机器学习模型为目标客户端的本地机器学习模型；接收客户端子集返回的第二参数，并根据第二参数更新第一机器学习模型；提升了核方法在联邦学习场景中的扩展性；有利于加速模型收敛。