一种基于宽度学习的两阶段联邦学习方法及系统

本发明提供一种基于宽度学习的两阶段联邦学习方法及系统，包括以下步骤：服务器接收各客户端上传的特征提取器，聚合特征提取器获得全局特征提取器，将全局特征特征提取器返回给各客户端；客户端使用全局特征提取器对本地数据进行特征提取，并计算宽度学习模型的分类器，客户端将本地分类器上传至服务器；服务器对上传的分类器进行加权聚合构建全局模型；服务器对全局模型进行测试以验证其准确率，若模型精度达标，则全局模型构建完成，否则进行迭代更新，各客户端基于修正后的本地目标函数使用全局特征提取器进行本地训练，并将更新后的本地分类器上传至服务器，返回继续加权聚合与精度验证，直至模型精度达到预期要求。