一种基于遗传算法的联邦学习系统优化方法、设备、介质及产品

本申请公开了一种基于遗传算法的联邦学习系统优化方法、设备、介质及产品，涉及联邦学习和对抗机器学习领域，该方法包括：初始化联邦学习系统；所述联邦学习系统包括多个客户端和一个中央服务器；客户端设置有本地模型，中央服务器设置有全局模型；基于遗传算法、代理模型和联邦学习系统筛选有效对抗样本；将所述有效对抗样本加入到各客户端的本地模型的训练集中，再次训练各客户端的本地模型，将再次训练后的本地模型的参数上传至中央服务器进行聚合，得到优化后的全局模型。本申请能够在查询次数受限的条件下，实现对抗样本的高效生成，从而提升联邦学习系统的可靠性与稳健性。