一种基于互信息的异步联邦学习方法、系统及介质

本申请公开了一种基于互信息的异步联邦学习方法、系统及介质，主要涉及异步联邦学习技术领域，用以解决现有异步联邦学习中基于滞后程度调整权重的方法无法有效评估模型更新实际价值，以及在客户端数据异构环境下容易丢失包含独特数据分布信息的问题。包括：客户端获取全局模型，根据本地数据进行全局模型训练，完成训练后向服务器发送模型更新和请求新的全局模型；服务器在时间窗口内持续接收不同客户端上传的模型更新；在时间窗口结束后，服务器计算每个客户端提交的模型更新与当前全局模型之间的互信息值；基于互信息值，获得有效模型更新；对有效模型更新进行加权聚合，获得新的全局模型；将新的全局模型分发给请求更新的客户端。