一种基于联邦学习的数据聚合方法、电子设备及存储介质

一种基于联邦学习的数据聚合方法、电子设备及存储介质，属于联邦学习技术领域。为提高联邦学习过程中数据聚合的准确性，本发明包括构建联邦学习网络：构建由中央服务器和多个客户端组成的联邦学习网络，每个客户端分别拥有本地数据集；选择客户端；客户端进行训练；中央服务器收到各客户端上传的本地神经网络模型的参数后，以全局神经网络模型的参数和本地神经网络模型的参数为参数构建高斯分布模型，然后计算高斯分布模型的高斯中心点，设定高斯中心点的神经网络模型的参数为新一轮的全局网络模型的参数，并据此构建得到新的全局神经网络模型，然后进行准确率校验。本发明具有较高的准确率，并且还具有一定的鲁棒性。