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：哈尔滨工业大学

摘要：异步聚类联邦学习方法及装置，解决了现有联邦学习方法在数据异构和环境异构下带来的瓶颈问题，属于联邦学习技术领域。本发明是基于双层架构实现的，包括服务器层和客户端层，本发明学习方法包括：服务器使用客户端发送的哈希值从DAG账本中获取相应客户端的模型参数，根据该模型参数，使用预定义的Tip选择算法选择DAG账本中的Tip节点，将存储在所选择的Tip节点的模型进行聚合得到新的模型，客户端使用本地数据集进行多轮训练；服务器将客户端训练后的模型参数打包成一个新的交易，并链接到之前选择的每个Tip节点的后面，计算新的交易的哈希值给客户端，用于下一次训练，并向其他服务器广播新的交易。

主权项：1.异步聚类联邦学习方法，其特征在于，所述方法基于双层架构实现，所述双层架构包括服务器层和客户端层，服务器层中部署了多个服务器及相应DAG账本，服务器层中的多个服务器之间采用P2P的方式进行通信来同步DAG账本，客户端层中的每个客户端配置有本地数据集，所述客户端为当前参与训练的设备；所述方法包括：S1、客户端选择一个服务器，并建立连接，客户端将最新交易的哈希值传输给选择的服务器；S2、服务器验证哈希值的有效性，并使用哈希值查询DAG账本，从DAG账本中获取相应客户端的模型参数；并根据客户端的模型参数，使用预定义的Tip选择算法选择DAG账本中的Tip节点，将存储在所选择的Tip节点的模型进行聚合得到新的模型，并将新的模型发送给客户端；S3、客户端使用本地数据集对从服务器接收到的新的模型进行多轮训练，得到训练后的模型，将训练后的模型参数返回给服务器；S4、服务器将从客户端接收到的模型参数打包成一个新的交易，服务器把所述新的交易链接到之前选择的每个Tip节点的后面，成为新的Tip节点，计算新的交易的哈希值，将哈希值发送给客户端，用于下一次训练，并向其他服务器广播新的交易；使用预定义的Tip选择算法选择Tip节点的方法包括：计算Tip节点上的模型参数与客户的模型参数之间的相似度，选择相似度高的Tip节点；相似度为： 其中，ωi表示第i个Tip节点上的模型参数，ωclient表示客户的模型参数；应用BEAST算法检测降序排序后的相似度序列的突变点，得到突变点的置信度序列Confidence；选择Confidence中置信度大于阈值α的一个点，将该点前的所有Tip节点作为选择的Tip节点。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 异步聚类联邦学习方法及装置