嵌入的在线联邦学习
公开
摘要
本公开提供了用于在机器学习框架例如联邦学习框架内生成嵌入，在所述联邦学习框架中，用分布在各自具有不可靠的网络连接和低计算能力的大量客户端之上的训练数据来训练高质量集中式模型。在一种示例联邦学习设定中，在多轮中的每一轮中，每个客户端基于其本地数据独立地更新模型并且将经更新的模型传送回给服务器，其中所有客户端侧更新都用于更新全局模型。本公开提供了可以用本地训练数据生成嵌入，同时保护客户端设备的用户的隐私的系统和方法。
基本信息
专利标题 ：
嵌入的在线联邦学习
专利标题（英）：
暂无
公开（公告）号 ：
CN114600106A
申请号 ：
CN201980101611.6
公开（公告）日 ：
2022-06-07
申请日 ：
2019-10-23
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
布雷德利·雷·格林肖恩·瑞安·欧巴尼昂
申请人 ：
谷歌有限责任公司
申请人地址 ：
美国加利福尼亚州
代理机构 ：
中原信达知识产权代理有限责任公司
代理人 ：
邓聪惠
优先权 ：
CN201980101611.6
主分类号 ：
G06F21/62
IPC分类号 ：
G06F21/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/60
保护数据
G06F21/62
通过一个平台保护数据存取访问，例如使用密钥或访问控制规则
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
