一种异步个性化联邦学习方法及系统

本申请公开了一种异步个性化联邦学习方法及系统，涉及人工智能领域，该方法包括：步骤一、初始化全局模型，将初始化后的全局模型作为第一全局模型，确定第一全局模型的共享层参数和第一全局模型的版本；步骤二、利用客户端的本地数据基于第一全局模型训练客户端的本地模型，得到客户端优化模型，并确定客户端优化模型的共享层参数和客户端优化模型的版本；步骤三、基于客户端优化模型的共享层参数、客户端优化模型的补偿权重和第一全局模型的共享层参数，更新第一全局模型的共享层参数，得到更新后的第一全局模型，本申请有效提升了联邦学习在异构和异步下的个性化能力与收敛效率，同时保障了多方数据隐私安全。