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：本发明涉及一种可验证纵向联邦学习隐私保护方法，属于联邦学习技术领域。本发明包括步骤：1、构建初始化模型；2、对参与方Z实现训练数据的样本对齐；3、可信第三方向参与方Z分发加密密钥对；4、参与方Z执行本地模型前向训练得到中间结果；5、参与方Z将中间结果经过同态加密后进行互换，进而，得到互换中间结果；6、计算本地模型梯度；7、计算验证集损失函数与贡献值；8、本地模型反向模型更新训练；9、重复步骤4至步骤8，直到训练停止。本发明提出一种可验证纵向联邦学习隐私保护方法用于提升模型的性能。通过在训练的过程中，使用夏普利值来计算被动方的贡献值，进而验证被动方本地模型的性能，提升全局模型的准确率。
主权项：1.一种可验证纵向联邦学习隐私保护方法，应用于包括成员节点的参与方Z、可信第三方的纵向联邦模型训练中，其特征在于：包括以下步骤，步骤1：构建初始化的联邦学习全局模型，对成员节点的参与方Z、可信第三方的节点参数进行初始化；其中参与方Z包括主动方A和被动方B；可信第三方用于生成密钥对并进行密钥分发和加解密；步骤2：对参与方Z的本地数据执行隐私求交，进而实现训练数据的样本对齐；步骤3：可信第三方向参与方Z分发加密密钥对，用于步骤5.1加密参与方Z获得的中间结果；步骤4：参与方Z利用本地特征执行本地模型前向训练，进而得到中间结果；步骤5：参与方Z将中间结果经过同态加密后进行互换，进而，得到互换中间结果；步骤6：对步骤5所述的互换中间结果计算本地模型梯度；步骤7：参与方Z计算验证集损失函数与贡献值；步骤8：参与方Z进行本地模型反向模型更新训练；步骤9：重复步骤4至步骤8，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；从而，实现利用夏普利值的可验证纵向联邦学习。
全文数据：
权利要求：
百度查询： 北京理工大学 一种可验证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