一种基于空间异构的联邦学习方法

本发明涉及一种基于空间异构的联邦学习方法，包括三个关键模块，时空意识对抗生成网络ST‑GAN、个性化知识蒸馏模块PKD和全局知识蒸馏模块GKD。ST‑GAN是一种伪数据生成方法，它能够为本地训练以及后续的PKD和GKD过程生成更多样的可学习样本。PKD和GKD分别部署在本地客户端和服务器上，用以增强个性化知识和全局知识的学习。本发明方法旨在缓解空间异构对模型性能的不利影响，以提高模型在不同本地客户端上的个性化推荐性能。