基于联邦学习的模型训练方法及装置、设备、存储介质
公开
摘要
本申请揭示了基于联邦学习的模型训练方法及装置、设备、存储介质。联邦神经网络模型包括第一参与方对应的第一底层网络，及第二参与方对应的第二底层网络、交互层网络和顶层网络。该方法包括：在更新第一底层网络的网络参数的过程中，第二参与方计算训练损失值相对于第一底层网络的前向输出信息的第一梯度信息，并将第一梯度信息加密后发送至第一参与方；第一参与方根据接收到的加密梯度信息，计算第一底层网络对应的网络参数梯度的密文数据，并将密文数据返回至第二参与方；第二参与方对密文数据进行解密，并将解密得到的明文数据发送至第一参与方，以使第一参与方基于明文数据更新第一底层网络的网络参数。本申请能够保证模型训练的准确度。
基本信息
专利标题 ：
基于联邦学习的模型训练方法及装置、设备、存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114595835A
申请号 ：
CN202210489888.4
公开（公告）日 ：
2022-06-07
申请日 ：
2022-05-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈瑞钦蒋杰刘煜宏陈鹏陶阳宇程勇
申请人 ：
腾讯科技（深圳）有限公司
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 ：
深圳市隆天联鼎知识产权代理有限公司
代理人 ：
徐明霞
优先权 ：
CN202210489888.4
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 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
G06N20/00
机器学习
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
