一种用于移动电子设备的可信去中心化联邦学习系统

本发明公开了一种用于移动电子设备的可信去中心化联邦学习系统。它基于知识提取的可持续和自适应的去中心化联邦学习，去中心化联邦学习是指在移动电子设备生态系统下进行本地训练的过程，采用点对点方式，采用知识提取的方法通过联合损失函数将两个本地学习模型结合起来，迭代地使用实时学习性能来确定学生模型和教师模型的权重。本发明的有益效果是：克服各种异质性问题，提高了学习效率，解决了隐私保护问题，确认了去中心化训练过程的收敛性，验证了所提出框架的效率和有效性，提高各种异质场景下的学习性能。