基于联邦学习和相互学习的模型参数训练方法及装置

授权

摘要

本发明实施例提供了一种基于联邦学习和相互学习的模型参数训练方法及装置，所述方法包括：参数训练端将基于本地样本数据训练得到的子模型参数加密后发送给参数协调端，以使参数协调端对接收到的子模型参数进行汇总或安全聚合并发送给各参数训练端，参数训练端再基于本地样本数据以及解密后的汇总子模型参数集合，对子模型进行训练以更新子模型参数，或基于本地样本数据以及解密后的安全聚合子模型参数，对子模型进行训练进一步更新子模型的参数，得到子模型对应的总模型参数。本发明实施例，能够适用于跨机构的隐私安全模型参数训练，在数据安全的基础上，进一步挖掘各参数训练端的数据价值，有效提升所训练总模型的性能。

基本信息

专利标题：

基于联邦学习和相互学习的模型参数训练方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN112039702A

申请号：

CN202010892666.8

公开（公告）日：

2020-12-04

申请日：

2020-08-31

授权号：

CN112039702B

授权日：

2022-04-12

发明人：

刘君媛

申请人：

中诚信征信有限公司

申请人地址：

北京市东城区东四南大街礼士胡同54号

代理机构：

北京柏杉松知识产权代理事务所(普通合伙)

代理人：

丁芸

优先权：

CN202010892666.8

主分类号：

H04L12/24

IPC分类号：

H04L12/24 G06F21/60 G06K9/62 G06N20/00