[发明专利]基于联邦学习的模型聚合方法、系统、设备及介质

权利要求书

1.一种基于联邦学习的模型聚合方法，所述模型聚合方法适用于分布式网络中部署的管理端，其中所述分布式网络中部署有所述管理端和多个客户端，其特征在于，所述模型聚合方法包括：

获取所述多个客户端各自训练得到的初始训练模型；

获取所述多个客户端的性能指标；

从预设的多个聚合算法中选择与所述多个客户端的性能指标对应的目标聚合算法；

根据所述目标聚合算法对各所述初始训练模型进行聚合，以得到聚合模型。

2.如权利要求1所述的基于联邦学习的模型聚合方法，其特征在于，所述获取所述多个客户端的性能指标，包括：

获取所述多个客户端的硬件性能指标；

获取所述多个客户端的软件性能指标。

3.如权利要求2所述的基于联邦学习的模型聚合方法，其特征在于，所述获取所述多个客户端的硬件性能指标，包括：

根据所述多个客户端的内存、CPU、存储空间和/或电量，获取所述多个客户端的硬件性能指标。

4.如权利要求2所述的基于联邦学习的模型聚合方法，其特征在于，所述获取所述多个客户端的软件性能指标，包括：

根据所述多个客户端的操作系统、训练样本数和/或所连接网络类型，获取所述多个客户端的软件性能指标。

5.如权利要求1所述的基于联邦学习的模型聚合方法，其特征在于，所述从预设的多个聚合算法中选择与所述多个客户端的性能指标对应的目标聚合算法，包括：

获取所述多个客户端的性能指标所属的指标范围；

根据所述指标范围，从所述多个聚合算法中选择所述目标聚合算法。

6.一种基于联邦学习的模型聚合系统，所述模型聚合系统适用于分布式网络中部署的管理端，其中所述分布式网络中部署有所述管理端和多个客户端，其特征在于，所述模型聚合系统包括第一获取模块、第二获取模块、选择模块和聚合模块；

所述第一获取模块用于获取所述多个客户端各自训练得到的初始训练模型；

所述第二获取模块用于获取所述多个客户端的性能指标；

所述选择模块用于从预设的多个聚合算法中选择与所述多个客户端的性能指标对应的目标聚合算法；

所述聚合模块用于根据所述目标聚合算法对各所述初始训练模型进行聚合，以得到聚合模型。

7.如权利要求6所述的基于联邦学习的模型聚合系统，其特征在于，所述第二获取模块包括第一获取单元和第二获取单元；

所述第一获取单元用于获取所述多个客户端的硬件性能指标；

所述第二获取单元用于获取所述多个客户端的软件性能指标。

8.如权利要求7所述的基于联邦学习的模型聚合系统，其特征在于，所述第一获取单元具体用于根据所述多个客户端的内存、CPU、存储空间和/或电量，获取所述多个客户端的硬件性能指标。

9.如权利要求7所述的基于联邦学习的模型聚合系统，其特征在于，所述第二获取单元具体用于根据所述多个客户端的操作系统、训练样本数和/或所连接网络类型，获取所述多个客户端的软件性能指标。

10.如权利要求6所述的基于联邦学习的模型聚合系统，其特征在于，所述选择模块包括第三获取单元和选择单元；

所述第三获取单元用于获取所述多个客户端的性能指标所属的指标范围；

所述选择单元用于根据所述指标范围，从所述多个聚合算法中选择所述目标聚合算法。