一种用于保护标签信息的纵向联邦神经网络模型学习方法
实质审查的生效
摘要
本发明公布了一种用于保护标签信息的纵向联邦神经网络模型学习方法，对纵向联邦神经网络模型的反向偏导进行多元高斯分布建模；根据用户提供的最大可接受的距离指标，计算得到满足该距离指标的对纵向联邦神经网络模型精度影响最小的扰动，以及对应的扰动噪声；并将扰动噪声添加至参与方的反向偏导，得到扰动后的结果，由此提高纵向联邦神经网络模型训练用于保护标签信息的隐私性和可用性。
基本信息
专利标题 ：
一种用于保护标签信息的纵向联邦神经网络模型学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114386583A
申请号 ：
CN202210293677.3
公开（公告）日 ：
2022-04-22
申请日 ：
2022-03-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
符芳诚崔斌
申请人 ：
北京大学
申请人地址 ：
北京市海淀区颐和园路5号
代理机构 ：
北京万象新悦知识产权代理有限公司
代理人 ：
黄凤茹
优先权 ：
CN202210293677.3
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08
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
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-05-10 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20220324
申请日 : 20220324
2022-04-22 ：
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
