一种基于自引导进化策略的通信优化联邦学习方法

本发明公开了一种基于自引导进化策略的通信优化联邦学习方法，属于隐私计算技术领域，包括：用户使用前几轮的全局模型梯度向量从实数空间中划分为主空间及其正交补空间，并分别在其中抽取伪随机评估向量；通过将高维的模型梯度向量转化为多个伪随机评估向量的适应度值并发送给服务器；服务器聚合本地适应度值并使用评估向量计算得到全局梯度向量，同时将全局适应度值发送给用户，用户和服务器基于所述全局适应度值和所述伪随机评估向量计算得到本轮的全局梯度向量，并更新全局模型。本发明不仅能够显著减少通信开销，还能通过自适应地利用历史估计梯度来提高搜索方向的有效性，从而加速收敛并提高模型性能。