联邦学习方法、系统、存储介质和程序产品

本发明提供一种联邦学习方法、系统、存储介质和程序产品，方法包括：在第一阶段联邦学习的每个学习轮次中，按照第一选中概率从客户端集合中确定出一组客户端，将当前全局模型参数发送至被选中的客户端，以使被选中的客户端基于当前全局模型参数和本地训练数据进行模型训练，迭代全局模型参数；在当前学习轮次为目标轮次的情况下，为每个客户端重新分配第二选中概率；在第二阶段联邦学习的每个学习轮次中，按照第二选中概率从客户端集合中确定出参与第二阶段联邦学习的一组客户端；将当前的全局模型参数发送至当前被选中的客户端，进行模型训练，直到目标模型收敛；能够解决现有联邦学习在非理想数据分布条件下性能下降、效率降低的问题。