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：沈阳航空航天大学
摘要：本发明属于联邦学习和数据隐私保护领域，具体涉及一种隐私保护的自底向上的层次化联邦学习方法，旨在解决联邦学习过程中数据分布不均衡和数据隐私保护的问题。本发明采用的基于分层联邦的客户端自底向上选择框架，主要分为四部分，包括隐私保护的协同数据分布评估、基于全局数据分布的采样、分层联邦加自底向上选择以及模型的训练聚合。本方法可以在保护客户端隐私不被泄露的同时很好的解决类不平衡的问题，可以提高模型的分类性能和训练效率。
主权项：1.基于隐私保护的自底向上的层次化联邦学习方法，其特征在于，包括如下步骤：获取中央服务器根据收到的来自各客户端的密文形式的数据分布后对其进行分布评估得到的全局数据分布；根据全局数据分布情况对本地数据执行过采样与欠采样结合的混合采样，使经过采样后的全局数据分布达到平衡状态；根据其本地数据分布情况自底向上地选择加入至建立的n个本地服务器中的不同服务器，最终使得每个服务器内的数据分布接近平衡的数据分布；获取中央服务器发送至本地服务器的全局模型，对全局模型进行异步更新，直至最后一个客户端将更新后的全局模型发回至本地服务器，各个本地服务器将更新后的模型上传至中央服务器进行聚合更新，反复迭代。
全文数据：
权利要求：
百度查询： 沈阳航空航天大学 基于隐私保护的自底向上的层次化联邦学习方法
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