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:本发明公开了一种基于差分隐私与多元特征处理的联邦学习方法、系统和设备,方法包括:服务器初始化全局模型,选取公开数据集,将全局模型下发到各客户端进行本地训练;客户端利用方向梯度直方图HOG方法对公开数据集中的图像进行特征提取;将提取到的特征分别分解为语义属性和隐藏偏差属性,输入偏差消除增强器,得到对应的偏差冲突样本进行训练,并进行梯度裁剪,得到偏差属性消除后的模型;将偏差属性消除后的模型进行稀疏化处理得到稀疏化的模型;对稀疏化的模型使用Rényi差分隐私进行保护;客户端基于非交互式零知识证明系统生成模型凭证;服务器对凭证进行验证;本发明在保证模型正常训练的前提下,提高了计算效率和安全性。
主权项:1.一种基于差分隐私与多元特征处理的联邦学习方法,其特征在于,包括:步骤1:服务器初始化全局模型ω0,选取公开数据集,将全局模型下发到各客户端进行本地训练;步骤2:客户端利用方向梯度直方图HOG方法对公开数据集中的图像进行特征提取;步骤3:将提取到的特征分别分解为语义属性和隐藏偏差属性输入偏差消除增强器,得到对应的偏差冲突样本进行训练,并进行梯度裁剪,得到偏差属性消除后的模型;步骤4:将偏差属性消除后的模型进行稀疏化处理得到稀疏化的模型||Δω||;步骤5:对稀疏化的模型||Δω||使用Rényi差分隐私进行保护;步骤6:客户端基于非交互式零知识证明系统生成模型凭证;步骤7:服务器对凭证进行验证。
全文数据:
权利要求:
百度查询: 淮阴工学院 基于差分隐私与多元特征处理的联邦学习方法、系统和设备
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。