一种平衡个性化与泛化的动态联邦互学习方法及系统

本发明涉及联邦学习技术领域，具体涉及一种平衡个性化与泛化的动态联邦互学习方法及系统，具体如下：各客户端对模型要处理的数据进行预处理，分别进行强增强和弱增强处理；将强增强处理后的数据输入至共享模型，将弱增强处理后的数据输入至私有模型，对两个模型进行迭代训练；将每轮迭代训练后共享模型的相关参数和两个模型参数之间的差异项上传至联邦服务器；联邦服务器采用多维度自适应聚合策略，得到更新的全局模型，并将其回传至各客户端，代替下一轮训练中的共享模型；最终生成泛化结果和个性化结果。本发明通过构建私有‑共享模型架构，结合联邦服务器进行动态联邦互学习，可以实现个性化与泛化性能的平衡与协同提升。