基于联邦学习的模型训练方法、设备、介质及程序产品
公开
摘要
本申请实施例公开了一种基于联邦学习的模型训练方法、设备、介质及程序产品，属于联邦学习领域。该方法包括：第一参与方基于第一模型权重、第二模型权重密文以及第一训练样本进行前向计算，生成第一梯度乘子算子；向第二参与方发送第一梯度乘子算子；第二参与方基于第三模型权重、第四模型权重密文以及第二训练样本进行前向计算，生成第二梯度乘子算子；第二参与方基于样本标签、第一梯度乘子算子以及第二梯度乘子算子生成梯度乘子；向第一参与方发送梯度乘子密文；第二参与方基于梯度乘子进行反向计算，更新第三模型权重；第一参与方基于梯度乘子密文进行反向计算，更新第二模型权重密文。能够提高模型训练的安全性，避免数据泄露。
基本信息
专利标题 ：
基于联邦学习的模型训练方法、设备、介质及程序产品
专利标题（英）：
暂无
公开（公告）号 ：
CN114492850A
申请号 ：
CN202210093687.2
公开（公告）日 ：
2022-05-13
申请日 ：
2022-01-26
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
符芳诚蒋杰刘煜宏陈鹏陶阳宇程勇崔斌
申请人 ：
深圳市腾讯计算机系统有限公司;北京大学
申请人地址 ：
广东省深圳市南山区高新区科技中一路腾讯大厦35层
代理机构 ：
北京三高永信知识产权代理有限责任公司
代理人 ：
李文静
优先权 ：
CN202210093687.2
主分类号 ：
G06N20/20
IPC分类号 ：
G06N20/20 H04L9/00 H04L9/40
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/20
•集成学习
法律状态
2022-05-13 ：
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
