一种基于DAG的去中心化异步联邦学习方法

本发明公开一种基于DAG的去中心化异步联邦学习方法，S1、通过DAG网络发布联邦学习任务，供所有客户端进行训练，并把训练结果上传DAG网络；S2、基于公共表的节点选择方法，客户端从DAG网络中选择两个节点作为tip节点进行模型聚合以及训练；S3、将新形成的模型参数及其相关信息打包上传生成新节点，指向所选择的两个tip节点，同时将公共表更新内容提交到DAG网络；S4、同步客户端在接收到公共表更新内容后，验证其合法性，验证通过后，将其合并到自己的本地副本中。本发明基于公共表的节点选择方法解决传统方法中的高计算开销和随机性问题，进一步提升联邦学习的训练效率和模型精度。