基于客户端权重评价的联邦学习方法和系统
公开
摘要
本发明公开了一种基于客户端权重评价的联邦学习方法，包括以下步骤：参与联邦学习的客户端与中心服务器建立安全通信通道，并进行联邦学习的初始化；客户端利用本地数据对本地模型进行参数优化后，上传当前轮次的本地模型信息至中心服务器，其中，本地模型信息包括本地模型参数和/或模型梯度；中心服务器依据本地模型信息并采用消融假设评估本地模型对联邦学习的贡献率，依据贡献率赋予本地模型的聚合权重，依据聚合权重聚合本地模型信息，以得到当前轮次的全局模型，当前轮次的全局模型下传至客户端以进行下一轮的联邦学习，该方法可以提升联邦学习的聚合效果。
基本信息
专利标题 ：
基于客户端权重评价的联邦学习方法和系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114564746A
申请号 ：
CN202210186854.8
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈文智魏成坤江鑫楠林东宇王总辉
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州天勤知识产权代理有限公司
代理人 ：
曹兆霞
优先权 ：
CN202210186854.8
主分类号 ：
G06F21/62
IPC分类号 ：
G06F21/62 G06N20/00
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
2022-05-31 ：
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
