摘要
本发明提供基于声誉机制的联邦学习方法、装置、存储介质及设备，包括：中心服务器根据客户端的本地模型以及训练轮次行为得到各个客户端的声誉值；中心服务器根据各个客户端的声誉值进行排序，并根据排序结果抽取客户端的本地模型得到待聚类模型列表；基于待聚类模型列表中各个本地模型的损失值，计算各个本地模型的质量指标；对待聚类模型列表中本地模型遍历检测，若所述本地模型的质量指标符合预设质量条件，将本地模型加入全局模型更新列表；对所述全局模型更新列表内所有本地模型进行聚合处理，得到全局模型。上述基于声誉机制的联邦学习方法包含直接和间接声誉成分的多维声誉评估，能够全面评估客户端的个人贡献和对联邦学习系统的整体影响。
