基于客户端分组和群签名的个性化联邦学习方法

本发明涉及一种基于客户端分组和群签名的个性化联邦学习方法。首先，构造复合特征向量融合客户端类别分布和样本方差信息，通过DBSCAN密度聚类实现数据驱动的客户端预分组，有效解决Non‑IID数据异构性问题；其次，设计动态嵌入层机制，结合余弦相似度和类别分布对齐构建嵌入空间相似性度量函数，通过谱聚类算法每轮动态调整客户端分组；再次，提出解耦双路径更新机制，嵌入层采用组内平均聚合，模型层基于验证精度动态融合局部、组和全局参数权重；最后，集成改进的群签名协议保证客户端匿名参与并支持恶意行为溯源，采用分层聚合通过组内聚合抑制参数漂移、全局聚合整合跨组知识。本发明有效平衡个性化、泛化能力和隐私保护，实现更快收敛和更高精度。