龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：武汉大学
申请日：2022-02-21
公开（公告）日：2024-07-05
公开（公告）号：CN114595830B
主分类号：G06N20/20
分类号：G06N20/20;G06F21/62;G06F18/214
优先权：
专利状态码：有效-授权
法律状态：2024.07.05#授权;2022.06.24#实质审查的生效;2022.06.07#公开
摘要：本发明提供了一种面向边缘计算场景下的隐私保护联邦学习方法，该方法使用双服务器架构进行模型聚合和拜占庭鲁棒。首先，服务器将初始模型参数下发到客户端中；其次，客户端利用本地数据集和初始参数进行多次迭代训练，并获得本轮次训练结果；然后，客户端对训练结果进行秘密分享处理，将其分别上传到不同服务器中；最后，双服务器进行协同的拜占庭节点检测，获取拟聚合参数，并在此基础上，进行协同的模型聚合，获得本轮全局模型训练结果。上述过程不断迭代，直到训练出最优解。该方法通过双服务器架构，解决了在保护数据隐私的同时实现对拜占庭节点的防御，计算通信开销较低，可解决边缘计算场景下的协同训练问题。
主权项：1.一种面向边缘计算场景下的隐私保护联邦学习方法，其特征在于，应用于包含聚合服务器SP、拜占庭检测服务器TP和联邦学习客户端的架构，所述方法包括：S1：聚合服务器SP与联邦学习客户端进行初始全局模型参数的同步；S2：联邦学习客户端利用对应的本地数据集和初始全局模型参数进行迭代训练，获得新的局部模型参数；S3：联邦学习客户端基于新的局部模型参数获得第一局部模型参数和第二局部模型参数，并采用秘密分享的方式，将第一局部模型参数上传至拜占庭检测服务器TP，第二局部模型参数上传到聚合服务器SP中，其中，得第一局部模型参数和第二局部模型参数为新的局部模型参数的秘密分享形式，通过第一局部模型参数和第二局部模型参数能够恢复出新的局部模型参数；S4：聚合服务器SP和拜占庭检测服务器TP基于第一局部模型参数和第二局部模型参数进行协同的拜占庭节点检测，获取拟聚合参数；S5：聚合服务器SP和拜占庭检测服务器TP基于拟聚合参数进行协同的模型聚合，获全局模型训练结果。
全文数据：
权利要求：
百度查询： 武汉大学 一种面向边缘计算场景下的隐私保护联邦学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号