基于模型拆分协作的垃圾邮件检测模型的联邦学习方法

本申请提供一种基于模型拆分协作的垃圾邮件检测模型的联邦学习方法，该方法包括：基于各节点中训练样本的特征矩阵相似度对节点进行聚类，得到多个节点聚类簇；对垃圾邮件检测模型进行子网络拆分，得到多个子网络；在每个节点聚类簇中选择不同节点子集合对不同子网络进行训练，并使其反馈子网络参数；基于反馈信息，聚合生成全局模型参数，直至训练终止，输出最终的全局模型参数，并获取训练好的垃圾邮件检测模型。可见，相比传统的联邦学习方法，该方法能够基于更少的模型训练工作量、更低的硬件资源消耗、更少的模型训练和通信耗时、更快的参数收敛速度生成垃圾邮件检测模型，从而使其能够应用于计算、存储和网络通信资源有限的场景下。