一种基于隐私保护的联邦学习边缘设备训练时延优化系统

本发明公开一种基于隐私保护的联邦学习边缘设备训练时延优化系统，属联邦学习与隐私保护领域,系统含边缘设备层、中央服务器层和协调层，边缘设备层、中央服务器层和协调层通过电信号连接，边缘设备层采集、预处理数据并加密传输，开展局部训练与隐私保护；协调层设任务复杂度、时延、隐私开销权重，依综合目标函数调整策略、优化时延，连接两层；中央服务器层解密、训练、聚合数据更新全局模型并反馈。系统先初始化参数，再用综合权衡动态采样联邦训练算法，经设备选择、本地更新、策略判断、全局参数计算等迭代训练，直至达预设轮次得最优模型。本发明解决隐私保护及时延问题，提高训练效率与数据安全性。