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！

摘要：本发明针对现有技术的局限性，提出了一种联邦学习中基于反向拍卖的隐私保护激励机制训练方法，该方法不会发送提取器给中央服务器，仅使用生成器来拟合提取器的输出，使得联邦学习参与者上传给中央服务器的模型不直接由原始数据训练而成，因此中央服务器不能够反推出原始数据，从而保护了数据隐私；另外，本发明以反向拍卖的方式对联邦学习参与者激励，能够满足训练过程中的个人理性、真实性和预算可行性。

主权项：1.一种联邦学习中基于反向拍卖的隐私保护激励机制训练方法，对于包含全局分类器的中央服务器与若干包含提取器、分类器、判别器以及生成器的联邦学习参与者，其特征在于，在各轮联邦学习中：所述联邦学习参与者不会向所述中央服务器发送提取器，而是使用各自的生成器拟合提取器的输出，供所述中央服务器进行训练；所述中央服务器根据各联邦学习参与者提供的投标价以及生成器，结合反向拍卖的方式对各联邦学习参与者的分类器进行筛选；通过对筛选结果进行融合，更新全局分类器；在各轮联邦学习中，所述联邦学习参与者分别从所述中央服务器接收全局分类器更新替换本地的分类器后，以训练数据x以及类标签y，通过以下步骤进行提取器以及分类器的训练：S11，将所述训练数据x输入到所述提取器中，获得真实特征；S12，将所述真实特征输入到所述分类器中，获得预测类标签；S13，根据所述预测类标签与类标签y，获得分类任务损失值；S14，以最小化任务损失值为目标，使用反向传播算法更新所述提取器以及分类器的参数；在各轮联邦学习中，在完成提取器以及分类器的训练后，所述联邦学习参与者通过以下步骤进行判别器以及生成器的训练：S15，将所述类标签y以及预置的随机噪声z输入到所述生成器中，获得伪特征；S16，将所述真实特征以及伪特征输入到所述判别器中，获得预测域标签；S17，根据所述预测域标签，获得域任务损失值；S18，使用反向传播算法，以最小化所述域任务损失值为目标更新所述判别器的参数，以最大化所述域任务损失值为目标更新所述生成器的参数；在各轮联邦学习中，所述中央服务器通过以下方式进行训练：S21，获取各联邦学习参与者提供的生成器以及投标价；S22，遍历所述类标签y，将所述类标签y以及随机噪声z分别输入到各生成器中，获得生成器对应所述类标签y的特征均值；S23，运用聚类算法获得所述特征均值到所属类中心的距离，以作为生成器的价值；S24，根据的值，由小到大对所述联邦学习参与者进行排序，将前k个联邦学习参与者筛选为竞标成功者；S25，从所述竞标成功者处获取分类器进行融合，更新全局分类器。

全文数据：

权利要求：

百度查询： 中山大学 联邦学习中基于反向拍卖的隐私保护激励机制训练方法