一种“边-云”异构模型共演的高效联邦协同学习框架

本发明公开了一种“边‑云”异构模型共演的高效联邦协同学习框架，属于联邦学习技术领域。针对传统联邦学习存在单向知识传递效率低下、隐私保护与模型性能难以平衡以及仅支持同构模型参数聚合的问题，本发明通过结合云边交互握手协议(CEHP)和信息增益评估机制(IGVE)实现了多样化模型间的相互训练；并且设计了注意力特征融合机制(AFF)实现了不同目标的异构模型之间的特征交换，同时，设计了一种逆梯度均衡器来促进模型的动态演进。本发明借助多目标策略梯度算法，深入挖掘和平衡不同目标之间的关系，对高效联邦协同学习框架进行了全面且细致的优化。这种方法促进了云侧模型的泛化性和边侧模型的细粒度，从而实现了边云双赢的协同训练。