基于层敏感度驱动解耦的个性化联邦学习方法及系统

本发明提供一种基于层敏感度驱动解耦的个性化联邦学习方法及系统，属于联邦学习技术领域。本发明客户端根据层敏感度对模型进行加性分解，将原始模型重构为通用模型与个性化模型，其中通用模型用于提取客户端中的一般知识，个性化模型则用于提取客户端特有知识。服务器对各客户端上传的通用模型进行聚合，为每个客户端生成具有更强泛化能力的通用模型。最终得到的整体模型兼顾个性化与泛化性能，能够适应大多数非独立同分布的数据场景，有效提升模型的准确率。