一种扩散增强与异步调度的联邦学习方法、系统及介质

本发明公开了一种扩散增强与异步调度的联邦学习方法、系统及介质，属于人工智能技术领域，客户端先更新局部模型并聚合为全局模型，计算各客户端准确率；对部分高、低准确率客户端部署DDIM扩散模型生成合成数据，与本地数据合并为增强数据集，其余客户端异步训练并将参数异步聚合，重复上述过程至训练结束；通过DDIM生成合成数据补充至差异明显的客户端，缓解数据分布不均，提升全局模型泛化能力与训练稳定性；数据生成时其余客户端异步训练，能够在减少资源闲置的同时缩短总训练周期；统一聚合与分发全局模型参数，确保各客户端状态一致，提升系统可控性与稳定性。