一种支持异构数据的联邦学习训练方法及系统

本发明公开了一种支持异构数据的联邦学习训练方法及系统，属于分布式机器学习技术领域，用于解决现有联邦学习技术无法同时解决数据隐私、数据异质性和分层通信瓶颈的三大问题，缺乏一体化的联邦学习训练框架的技术问题。方法包括：工作节点基于本地数据、历史更新记录以及最新全局模型，获取本地模型更新量并进行量化压缩，得到压缩更新包并上传到归属的边缘节点；边缘节点对各个工作节点发送的压缩更新包进行聚合，得到区域聚合更新包；对区域聚合更新包进行第二次量化压缩得到最终上传包并上传到归属的中央服务器；中央服务器对各个边缘节点发送的最终上传包进行全局聚合，得到全局模型更新包；根据全局模型更新包优化全局模型，得到优化模型。