一种可过滤噪声标签样本的联邦学习方法及相关装置

本发明属于人工智能技术领域，公开了一种可过滤噪声标签样本的联邦学习方法及相关装置；其中，所述联邦学习方法包括：选定的客户端从服务器中下载全局模型的参数；使用本地选择的非噪声标签样本训练本地的个性化模型和全局模型，训练完成中，将经过本地训练的全局模型的参数更新上传至服务器；个性化模型用于本地数据的清洗，以选择用于本地训练的非噪声标签样本数据；本地的个性化模型和全局模型彼此选择样本交替更新；服务器聚合各客户端上传的参数更新。本发明技术方案，针对各客户端本地数据标签噪声分布不一致的场景，实现了噪声标签的动态过滤以及模型稳定性、泛化性能的提升。