龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：复旦大学
摘要：本发明涉及联邦学习技术领域，发明主要提供一种基于ACGAN的横向联邦小微企业信用预测的数据贡献评估方法。具体而言，是基于辅助对抗生成网络实现对真实数据分布的学习以识别具有异常分布的不可信数据，从而通过评估参与数据的可信度评估参与方的贡献度，同时隔离不可信数据，以防止其对信用风险度评估模型产生干扰。本发明还可根据协作方提供的数据进行实时贡献度评估，且防止不可信数据对信用风险模型的干扰，对于促进多方安全协作具有重大意义。
主权项：1.一种基于ACGAN的横向联邦小微企业信用预测的数据贡献评估方法，其特征在于，包括以下步骤：步骤S1，各个小微企业的客户端根据业务筛选具备评估该小微企业的信用风险度的特征数据；步骤S2，在联邦学习服务器端部署初始化模型以及训练要求参数，所述初始化模型基于ACGAN，包括生成器和辅助分类判别器；步骤S3，所述联邦学习服务器端向各个所述客户端分发所述初始化模型以及所述训练要求参数；步骤S4，所述客户端对其所述特征数据进行预处理后生成该客户端的真实样本，同时将随机噪声输入所述生成器生成虚假样本；步骤S5，所述客户端将所述真实样本和所述虚假样本投入所述辅助分类判别器进行训练；步骤S6，所述客户端利用所述特征数据对所述生成器进行训练，步骤S5、步骤S6均完成后，得到训练好的ACGAN模型及其参数；步骤S7，所述客户端将训练获取的所述参数上传至所述联邦学习服务器端，所述联邦学习服务器端对获得的多方的所述参数进行联邦FedAvg聚合，从而得到全局模型参数；步骤S8，判断所述辅助分类判别器和所述生成器是否达到纳什平衡；步骤S9，步骤S8判断为否，进一步判断所述辅助分类判别器是否正确识别所有的所述真实样本和所述虚假样本，判断为是时强化训练所述生成器，判断为否时强化训练所述辅助分类判别器，并返回步骤S7；步骤S10，步骤S8判断为是，基于所述全局模型参数得到全局模型，应用于最终的数据贡献评估和信用风险评估。
全文数据：
权利要求：
百度查询： 复旦大学 基于ACGAN的横向联邦小微企业信用预测的数据贡献评估方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号