基于模型分割的拜占庭鲁棒学习方法、系统、介质及设备

本发明涉及人工智能、分布式系统和信息安全技术领域，提供一种基于模型分割的拜占庭鲁棒学习方法、系统、介质及设备。基于模型分割的拜占庭鲁棒学习方法，包括：将当前业务模型和由当前业务模型所有权重参数平分的部分权重参数发送给各个第一设备，以供第一设备利用部分权重参数，使用本地数据训练当前业务模型；从各个第一设备接收各自当前业务模型训练结束后的梯度，对所有梯度进行排序后，计算去除极端值后所有梯度的加权平均值，用于更新所述当前业务模型；更新后的业务模型作为下轮模型训练过程的当前业务模型。可以降低第一设备因权重分配不均导致的计算负担过重，进而提升拜占庭鲁棒学习系统的模型训练效率。