一种基于对抗的联邦学习优化方法、系统、终端及介质

本发明涉及机器学习技术领域，具体涉及一种基于对抗的联邦学习优化方法、系统、终端及介质,方法包括：使用生成式对抗网络对各参与方数据分布进行表示，生成伪数据集，确保了真实数据的安全性，然后使用各参与方的伪数据集对域对抗网络进行训练，得到一个能够忽视各参与方数据分布区别的第二特征提取网络，使各参与方基于第二特征提取网络和第二任务网络组合成的目标网络进行联邦建模，降低非独立同分布问题对联邦建模过程的影响。本申请结合深度学习技术，利用生成式对抗网络能够生成与真实数据分布相同的伪数据集的优点和域对抗网络能够忽视数据分布状况的优点，解决因为各参与方数据分布不同导致的联邦学习效果差的问题。