一种基于个性化信息分离的异构联邦学习方法及系统

本发明公开了一种基于个性化信息分离的异构联邦学习方法及系统，方法包括以下步骤：客户端利用特征提取器提取原始数据集的特征信息，分离出特征信息中的个性化信息，并发送到服务器；服务器利用个性化信息训练生成器，并将训练好的生成器广播给客户端；客户端使用接收到的生成器生成增强样本，与原始数据集一起形成扩展数据集；服务器与客户端使用联邦学习的方式训练模型，其中客户端使用扩展数据集训练局部模型，服务器通过聚合各个客户端的局部模型更新全局模型。本发明通过分离出个性化信息训练一个生成器，再通过该生成器扩展数据集，解决数据异构性问题并同时提高通信效率。