机器学习方法、装置、设备、联邦学习系统及存储介质

专利主权项内容

1.一种安全分布式的机器学习方法，其特征在于，应用于联邦学习系统中的边缘计算设备，包括：获取联邦学习系统中各个边缘计算设备的分簇信息；其中，所述分簇信息包括各个簇中各边缘计算设备的设备号，各簇为基于同簇的边缘计算设备的数据类别相同的原则划分得到的；遍历同簇中除自身外的其他各个边缘计算设备，确定出与自身的模型参数相关性达标的目标边缘计算设备，并根据所述目标边缘计算设备的本地网络模型的模型参数，对自身的本地网络模型的模型参数进行更新；若自身为簇头，将簇内各个边缘计算设备的本地网络模型的模型参数中异常的模型参数所属的边缘计算设备，作为风险设备；将由簇内除所述风险设备外的其他边缘计算设备的模型参数聚合得到的簇网络模型发送至联邦学习系统的中心服务器，以便进行全局网络模型的聚合，通过所述全局网络模型执行预设任务；其中，所述预设任务包括预测工业设备的故障、识别网络安全问题以及对图片进行分类中的任一种。