技術特征：

1.基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習方法，其特征在于，包括如下步驟：

2.根據(jù)權利要求1所述基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習方法，其特征在于，步驟(4)中，對于生成器和全局模型優(yōu)化的方法如下：

3.基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習裝置，其特征在于，包括存儲器和一個或多個處理器，所述存儲器中存儲有可執(zhí)行代碼，所述一個或多個處理器執(zhí)行所述可執(zhí)行代碼時，用于實現(xiàn)權利要求1-2中任一項所述的基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習方法。

4.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有程序，該程序被處理器執(zhí)行時，實現(xiàn)權利要求1-2中任一項所述的基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習方法。

技術總結
基于統(tǒng)計特征匹配的一次通信聯(lián)邦學習方法和裝置，該方法包括以下步驟：系統(tǒng)由多個參與方組成，每個客戶端擁有各自獨立的本地數(shù)據(jù)和標簽，且客戶端之間的數(shù)據(jù)分布不滿足獨立同分布假設；在客戶端，首先初始化本地模型，并利用本地數(shù)據(jù)進行多輪迭代訓練。完成模型預訓練后，客戶端將模型參數(shù)上傳至服務器；在服務器端，通過集成模型計算全局統(tǒng)計特征，并初始化全局模型參數(shù)和生成器參數(shù)；在數(shù)據(jù)生成階段，服務器利用生成器生成合成數(shù)據(jù)，并通過結合批歸一化統(tǒng)計量和卷積層統(tǒng)計量優(yōu)化生成器參數(shù)，從而生成高質(zhì)量的合成數(shù)據(jù)；在全局模型優(yōu)化階段，服務器通過知識蒸餾利用生成的合成數(shù)據(jù)提升全局模型的性能；服務器循環(huán)執(zhí)行合成數(shù)據(jù)生成和全局模型優(yōu)化兩個階段，直至全局模型逐漸收斂。本發(fā)明能夠顯著提升全局模型性能，同時僅需一次客戶端與服務器的通信，大幅降低通信成本，適合大規(guī)模應用。

技術研發(fā)人員：史秀紡,張蔚,吳旻誠,溫震宇,郭方洪
受保護的技術使用者：浙江工業(yè)大學
技術研發(fā)日：
技術公布日：2025/4/7