基于多级发散抑制的联邦学习健康数据分析方法及系统

本发明涉及智能健康分析技术领域，公开了一种基于多级发散抑制的联邦学习健康数据分析方法及系统，所述方法包括：多个客户端根据本地健康数据，采用渐进式掩码无监督训练策略和联邦对比表征对齐策略更新初始本地模型，得到本地模型；服务器采用动态任务感知聚合策略计算多个客户端的聚合权重，并根据多个聚合权重，对多个客户端上传的本地模型的参数进行加权聚合，更新初始全局模型，得到全局模型；服务器将全局模型下发给多个客户端进行迭代优化，直至全局模型收敛，得到用于进行健康数据分析的健康数据分析模型。本发明通过多级发散抑制机制，显著提升了基于联邦学习的健康数据分析方法的准确率和鲁棒性，并且降低了通信开销。