本發(fā)明為一種基于聯(lián)邦強(qiáng)化學(xué)習(xí)的異構(gòu)軟件缺陷預(yù)測方法；該方法首先使用主成分分析法(Principal Component Analysis，PCA)進(jìn)行數(shù)據(jù)降維。中心服務(wù)器初始化全局參數(shù)發(fā)送給所有參與方，參與方將該全局參數(shù)作為本地強(qiáng)化學(xué)習(xí)dueling Deep Q Network(dueling DQN)模型的初始參數(shù)。所有參與方使用降維數(shù)據(jù)和上輪全局參數(shù)來更新本地dueling DQN模型，中心服務(wù)器隨機(jī)選擇參與方，選中的參與方將本地模型參數(shù)加入高斯噪聲進(jìn)行差分隱私加密。使用K?means對選中的參與方進(jìn)行聚類，通過本地聚合與全局聚合形成全局模型發(fā)送給所有參與方。當(dāng)通信次數(shù)到達(dá)最大通信輪次或本地dueling DQN模型已經(jīng)收斂，輸出預(yù)測結(jié)果。本發(fā)明在保證數(shù)據(jù)隱私安全前提下通過結(jié)合多方數(shù)據(jù)模型，有效的提高了異構(gòu)軟件缺陷的預(yù)測效果。