基于联邦学习模型的高效任务推理方法、装置及设备

本发明提供一种基于联邦学习模型的高效任务推理方法、装置及设备，涉及联邦学习技术领域，该方法应用于中央处理器，包括：获取待推理任务对应的待推理数据；将所述待推理数据输入目标全局模型中，得到所述目标全局模型输出的所述待推理数据对应的推理结果；目标全局模型是基于低维特征数据对联邦学习模型训练得到的高效全局模型，低维特征数据是基于关键特征集和关键样本集生成的，所述关键特征集是基于样本中的各维度特征对应的初始动态稀疏系数确定的，所述关键样本集是基于初始模型对各所述样本的初始损失权重确定的。本发明实现纵向联邦学习场景下的数据隐私保护、通信开销削减及模型收敛加速的系统性协同提升。