基于边缘无状态网内聚合的联邦学习方法和系统

本申请涉及基于边缘无状态网内聚合的联邦学习方法和系统，该方法通过采用网内聚合的技术设计，由聚合交换机通过加法操作对自身连接的所有子节点的加权模型更新进行聚合，再将得到的聚合结果传输到网络中该聚合交换机所连接的其他后续节点，以便后续节点中的其他聚合交换机同理执行自身连接的所有子节点的加权模型更新聚合，直至中心服务器获取到来自这些聚合交换机传输过来的最终聚合结果，最终使得中心服务器只需根据自身存储的上一轮次的全局模型参数、计算的当前轮次未更新数据集大小的比例以及获取的最终聚合结果，计算得到当前轮次的全局模型参数，从而完成当前轮次的全局模型更新，提高联邦学习性能。