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：重庆交通大学
摘要：本发明公开了一种基于本地差分隐私和指数机制的联邦学习策略优化方法，包括：计算当前训练轮次应分配的隐私预算并发送给各个客户端；客户端将本地的局部模型参数替换为全局模型参数并通过本地数据训练局部模型；训练结束后，客户端对训练得到的模型参数进行过滤，并通过指数机制选择关键参数；客户端通过当前训练轮次的隐私预算对选择的关键参数进行扰动，并将扰动后的参数扰动值上传至服务器；服务器汇总各个客户端上传的参数扰动值，并对所有参数扰动值进行加权平均后更新全局模型；重复迭代训练直至结束。本发明根据各训练轮次的收敛速度动态调整每个训练轮次的隐私预算分配，同时通过参数过滤和指数机制选择模型参数中的关键参数。
主权项：1.基于本地差分隐私和指数机制的联邦学习策略优化方法，其特征在于，包括：S1：服务器初始化全局训练模型；S2：服务器计算当前训练轮次应分配的隐私预算，并将隐私预算和全局模型参数发送给各个客户端；S3：各个客户端接收到隐私预算和全局模型参数后，将本地的局部模型参数替换为全局模型参数，并通过本地数据训练局部模型；S4：训练结束后，各个客户端对训练得到的模型参数进行过滤，并通过指数机制从过滤后的模型参数中选择对局部模型性能影响更大的关键参数；S5：各个客户端通过当前训练轮次的隐私预算对选择的关键参数进行扰动，并将扰动后的参数扰动值上传至服务器；S6：服务器汇总各个客户端上传的参数扰动值，并对所有参数扰动值进行加权平均后更新全局模型；S7：重复步骤S2至步骤S6，对全局模型进行迭代训练，直至全局模型达到预定的性能标准或完成设定的训练轮次。
全文数据：
权利要求：
百度查询： 重庆交通大学 基于本地差分隐私和指数机制的联邦学习策略优化方法
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