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：北京理工大学
摘要：本发明涉及去中心化纵向联邦学习隐私保护方法，属于机器学习技术领域。本发明包括步骤：1、模型参与方的成员节点包括主动方、被动方、验证方；2、形成主动方数据样本和被动方数据样本；3、模型初始化；4、被动方进行前向训练；5、验证方对本地中间结果进行验证通过拜占庭共识后，加权聚合形成聚合中间结果；6、主动方进行顶层模型训练；7、被动方利用主动方顶层模型的梯度值G反向更新本地模型参数；8、重复步骤3至步骤7，直到停止训练。本发明用于排除单独故障和提升准确率的性能，通过区块链中的共识组节点判断被动方的贡献值，聚合节点聚合共识后的被动方的本地值，实现去中心化的纵向联邦学习隐私保护方法。
主权项：1.去中心化纵向联邦学习隐私保护方法，其特征在于：包括以下步骤，步骤1：去中心化纵向联邦学习模型参与方的成员节点包括主动方、被动方、验证方；步骤2：对步骤1所述的参与方的主动方和被动方经隐私求交后形成样本对齐的参与方数据，从而，形成主动方数据样本和被动方数据样本；步骤3：去中心化纵向联邦学习模型初始化，即构建步骤1所述的参与方成员节点的数据样本和样本特征的对应关系；步骤4：根据步骤2所得到的被动方数据样本与步骤3的对应关系所形成的被动方样本特征，被动方利用被动方样本特征的底层模型进行前向训练；步骤5：验证方接收来自步骤4所述的t轮本地中间结果进行验证，对验证通过的本地中间结果进行拜占庭共识后，以加权聚合的方式形成聚合中间结果；步骤6：主动方利用步骤5所述的聚合得到的全局中间结果进行顶层模型训练；步骤7：被动方利用步骤6得到的主动方顶层模型的梯度值G反向更新本地模型参数；步骤8：重复步骤3至步骤7，直到训练模型达到预期的收敛精度或达到预先协商的最大训练轮数，此时停止训练。
全文数据：
权利要求：
百度查询： 北京理工大学 去中心化纵向联邦学习隐私保护方法
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