基于联邦学习的边缘端模型更新方法、装置、设备及介质

本发明公开了基于联邦学习的边缘端模型更新方法、装置、设备及介质，包括：根据初始数据集和云端模型对边缘端模型进行知识蒸馏，得到初始边缘端模型；统计初始边缘端模型在各个验证样本上的推理置信度和推理结果，基于高斯混合模型拟合得到推理错误概率模型；各边缘端节点根据初始边缘端模型对多个边缘端样本进行推理预测，得到样本置信度；确定各边缘端样本的推理错误概率，筛选出困难样本，获取困难样本对应的特征图上传至云端；对特征图进行聚合得到特征图集合，根据特征图集合和云端模型对初始边缘端模型进行知识蒸馏，得到目标边缘端模型。本发明降低了边缘端设备的运算成本，并增强了边缘端设备的数据安全性，可应用于人工智能技术领域。