一种基于联邦学习框架的缓存资源优化方法和系统

本发明公开了一种基于联邦学习框架的缓存资源优化方法和系统，包括以下步骤：S1，基于智能网关SG和超密集部署的接入点AP构成的边缘缓存网络架构，进行收集、整理数据并划分逻辑学习联盟；S2，在每个逻辑学习联盟中，通过联邦学习框架更新训练流量预测模型；S3，根据训练后更新好的预测模型，并基于强化学习算法进行逻辑学习联盟内缓存资源的优化。本发明优化边缘缓存资源的利用效率，并提高用户体验。