一种用于数据异构且资源受限环境的个性化联邦学习方法及系统

本发明提供一种用于数据异构且资源受限环境的个性化联邦学习方法及系统，由服务器与多个客户端协作执行，用于保护客户端数据隐私并协同训练适配各客户端本地数据分布的模型，包括以下步骤：（1）服务器初始化与分发；（2）客户端个性化模型构建与训练；（3）客户端上传；（4）服务器接收各客户端上传的本地参数排名和本地超网络参数；采用投票聚合方式对所述本地参数排名进行离散聚合，更新全局参数共识排名；同时，采用加权平均方式对所述本地超网络参数进行连续聚合，更新全局超网络参数；（5）重复执行步骤（1）至（4），直至模型性能满足预设收敛条件。