一种基于联邦学习的模型训练方法及系统

本发明公开了一种基于联邦学习的模型训练方法及系统。该方法包括：通过中心服务器依据目标数据集的类别总量、客户端数量及基础客户端的数据类别量得到基础客户端的子训练集；通过目标客户端依据目标子训练集分部梯度更新训练基础神经网络，得到待选提取层参数、目标特征识别层、目标类平均激活向量及目标类威布尔概率分布；通过中心服务器平均计算全量待选提取层参数得到目标提取层参数，结合预设元分类器及全量目标特征识别层构建初始全局模型；通过目标客户端基于目标子训练集、目标类平均激活向量及目标类威布尔概率分布训练初始全局模型，得到目标全局模型。通过本发明的技术方案，能够实现异构数据场景的模型训练，提高了模型的准确性。