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：西交网络空间安全研究院;西安交通大学

摘要：本发明公开了一种基于联邦学习的机器学习模型训练方法及装置，基于与每个客户端的历史交互可信记录评估每个客户端的声誉值，根据声誉值选择满足要求的客户端；接收满足要求的客户端发送的隐私等级和类型，根据满足要求的客户端的隐私等级和类型设计包含训练样本大小和奖励的契约集合；将全局模型和契约集合发送至满足要求的客户端；接收满足要求的客户端发送的经过隐私扰动后的本地模型更新参数，并结合满足要求的客户端对应的训练样本大小、隐私等级以及在当前轮的声誉值，对经过隐私扰动后的本地模型更新参数进行聚合得到全局模型更新参数；将奖励发送给满足要求的客户端，对经过隐私扰动后的本地模型更新参数进行质量评估，根据质量评估结果更新对应的历史交互可信记录。在提高数据安全性、缓解网络流量拥塞、提升参与者积极性、增强联邦学习可靠性、提高模型聚合鲁棒性以及增强系统适应性和灵活性等方面均表现出显著的优势。

主权项：1.一种基于联邦学习的机器学习模型训练方法，其特征在于，应用于由联邦服务器以及与联邦服务器通信连接的若干客户端共同构成的训练系统中的联邦服务器；所述训练方法包括：在每轮全局迭代训练过程中，至少执行以下步骤：基于与每个客户端的历史交互可信记录评估每个客户端的声誉值，根据声誉值选择满足要求的客户端；接收满足要求的客户端发送的隐私等级和类型，根据满足要求的客户端的隐私等级和类型设计包含训练样本大小和奖励的契约集合；其中，所述隐私等级和类型为每个满足要求的客户端的固有属性；将全局模型和契约集合发送至满足要求的客户端；接收满足要求的客户端发送的经过隐私扰动后的本地模型更新参数，并结合满足要求的客户端对应的训练样本大小、隐私等级以及在当前轮的声誉值，对经过隐私扰动后的本地模型更新参数进行聚合得到全局模型更新参数；其中，所述经过隐私扰动后的本地模型更新参数是指每个满足要求的客户端根据固有属性从契约集合中选择相匹配的契约项，根据契约项规定的训练样本大小选择样本进行本地模型训练，并根据隐私等级对训练好的本地模型更新参数进行隐私扰动后得到的本地模型更新参数；将奖励发送给满足要求的客户端，对经过隐私扰动后的本地模型更新参数进行质量评估，根据质量评估结果更新对应的历史交互可信记录；其中，所述奖励为每个满足要求的客户端根据固有属性从契约集合中选择相匹配的契约项中规定的奖励。

全文数据：

权利要求：

百度查询： 西交网络空间安全研究院 西安交通大学 一种基于联邦学习的机器学习模型训练方法及装置