一种面向数据异构的联邦宽度学习方法及系统

本发明提供一种面向数据异构的联邦宽度学习方法及系统，包括以下步骤：各客户端基于联邦学习模型进行宽度特征提取模块的本地训练，本地训练完后客户端将优化后的宽度特征提取模块参数上传至服务器；服务器接收所有客户端上传的宽度特征提取模块参数，基于每个客户端的样本数量进行加权平均聚合，获得全局宽度特征提取模块，将全局宽度特征提取模块返回各客户端；各客户端使用全局宽度特征提取模块对本地数据进行特征提取，并矩阵分解将提取特征转换为分解因子；服务器对接收到的分解因子进行加总操作，得到全局的聚合分解因子；各客户端使用从服务器接收到的全局分解因子进行本地模型权重的计算，完成权重计算后，客户端将本地权重上传至服务器。