利用联邦学习和基于自动编码器模型的分布式学习架构

首先，在每个训练回合中，随机选择一个客户子集𝑚 = 𝑚𝑎𝑥(𝐶×𝐾, 1)参加当前回合，使得 C 是被选中参与的客户的比例；

其次，每个客户端接收全局模型，并使用其本地数据D进行本地迭代对其进行优化。优化是使用小批量梯度下降技术完成；

然后，一旦训练完成，客户端将本地权重编码器、解码器和判别器发送回服务器进行聚合；

最后，重复这些步骤，直到我们达到收敛。整体的架构如图1所示。

该步骤可以参考中心化联邦学习，联邦学习（Federated learning）—— 去中心化联邦&中心化联邦-CSDN博客