基于联邦学习的模型训练方法、电子设备、介质及产品

本申请公开了一种基于联邦学习的模型训练方法、电子设备、介质及产品，涉及人工智能技术领域，本申请联邦学习的参与方在使用本地中各公共样本对象的目标数据特征进行训练时，会将训练过程中产生的第一中间模型更新数据进行加密，并在加密后的数据中加入掺杂因子，从而得到第一交换数据，且第一交换数据将通过协调方发送至其它参与方进行模型参数更新。同时上述参与方还会接收协调方发送的协调方对其它参与方的第二交换数据进行解密的第二解密数据，并使用第二解密数据对本地业务模型的模型参数进行更新。本申请摒弃了传统的依赖于人工的数据整合方式，降低了人力和时间成本，提升了开发效率。