基于知识共享的联邦学习方法、装置及计算机设备

本申请提供的基于知识共享的联邦学习方法、装置及计算机设备，在一次通信轮次中，助手服务器在多个客户端中确定共享客户端，以及确定共享数据集，共享客户端根据其本地模型和共享数据集构建本地知识张量并广播给其他共享客户端。接着，根据其他共享客户端的本地知识张量生成知识矩阵，然后在知识矩阵中基于数据贡献确定声誉权重矩阵，基于声誉权重矩阵对知识矩阵进行加权，并以加权后的知识矩阵对本地模型进行更新。这样的更新方式不需要进行全局聚合操作，减少对通信资源的依赖，并且确定的共享客户端可以基于共享数据集进行知识共享，最大程度学习其他设备的可用知识以提升自身的本地模型，从而提高本地模型与其应用客户端的适配性。