一种基于联邦学习的服务部署方法及系统

本发明公开了一种基于联邦学习的服务部署方法及系统，涉及边缘计算服务部署领域，包括：获取用户个人信息及服务交互数据，运用聚类算法对用户进行聚类获取类簇集合；获取各个类簇内的可用边缘服务器，通过边缘服务器的约束条件，设计多个目标函数，利用非支配排序遗传算法求解多个目标函数的最优解，找寻各个类簇内的边缘云服务器；基于已部署的本地预测模型，通过联邦学习获取全局联邦预测模型；基于各个类簇内的可用边缘服务器利用全局联邦预测模型对各类簇的未来时刻服务请求量进行预测，将具有流行增量的服务部署至可用边缘服务器中。本发明提升服务部署效率、优化资源利用、降低通信开销、保障隐私安全，并增强了用户体验。