一种基于渐进式聚合的联邦学习方法及相关装置

本发明属于智慧工业技术领域，公开了一种基于渐进式聚合的联邦学习方法及相关装置；其中，所述联邦学习方法包括：联邦服务器接收K个参与者的模型更新，标记前M个相似度最大的模型更新为异常模型更新并进行定向聚合；以聚合异常模型更新为中心构建超球面，在超球面上随机采样生成扰动后模型更新；将扰动后模型更新与剩余的K‑M个模型更新堆叠形成模型更新矩阵，计算各模型更新在主方向上投影值的算术平均值，生成全局模型更新；根据全局模型更新来更新联邦学习全局模型。本发明公开的技术方案，能够有效防御后门攻击，同时保持了全局模型的有效性和鲁棒性。