一种数据非独立同分布联邦学习系统及方法

本发明公开了一种数据非独立同分布联邦学习系统及方法。本发明通过在客户端模型更新中引入矫正项，纠正了更新方向，减少了模型方差，显著加快了全局模型的收敛速度，同时提升了模型精度。此外，本发明通过博弈论优化客户端的矫正项添加策略，平衡了隐私保护与模型性能，降低了训练总成本。在隐私保护方面，矫正项代替传统噪声添加，有效防止了服务器端的隐私泄露风险。在成本控制上，减少了计算和传输成本，提高了训练效率。