一种模型训练方法、装置、电子设备及存储介质

本申请公开了一种模型训练方法、装置、电子设备及存储介质，该方法应用到基于边缘计算的联邦学习后门防御场景中，在该方法中首先获取到N个待测样本，然后计算出每个待测样本的损失值，在计算出的所有损失值中筛选出大于阈值的目标损失值，并将目标损失值对应的待测样本作为后门样本，通过筛选出的所有后门样本作为训练集训练待选模型，从而得到目标模型的。通过该方式可以训练出准确识别后门样本的模型，从而使得边缘设备自身可以通过该目标模型来进行后门样本的检测，不仅减少了中心计算资源的需求，也提升了后门样本的检测效率。