一种面向算力调度模型训练的数据投毒识别方法及设备

本申请涉及联邦学习技术领域，提供了一种面向算力调度模型训练的数据投毒识别方法及设备，该方法包括：对模型更新进行聚类，得到多个模型更新聚类簇，并生成每个模型更新聚类簇的代表模型；对代表模型进行评分得到每个代表模型的平均评分，并根据所有平均评分将所有代表模型划分为多个良性代表模型和多个疑似毒性代表模型；从疑似毒性代表模型对应的模型更新聚类簇中确定出多个满足良性条件的良性模型更新，并基于所有良性模型更新生成二次良性代表模型；计算每个良性代表模型、每个二次良性代表模型的更新权重；根据所有更新权重和所有模型更新对全局模型进行更新，得到最终全局模型。本申请的方法能够提高算力调度模型训练的安全性和准确性。