工业物联网下基于双重对抗训练的联邦学习方法及装置

本发明属于特征提取的技术领域，更具体地，涉及一种工业物联网下基于双重对抗训练的联邦学习方法及装置。所述方法包括：服务器初始化全局模型并发至客户端；各客户端基于接收到的全局信息进行本地模型更新；完成本地模型更新后，各客户端进入本地训练阶段；然后各客户端重新计算本地特征原型、特征提取器上传轮次；随后将以下本地信息上传至服务器，其中，若当前轮次在上传轮次集合中，本地特征提取器才上传；最后服务器聚合本地特征原型和本地分类器，和接收到的本地特征提取器，之后将聚合信息下发给各客户端。本发明解决了现有联邦学习方法在个性化与共享知识之间的平衡机制设计不足，难以适应工业现场多源异构、动态变化环境的问题。