买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东优算科技有限公司;广东创亿源智能科技有限公司

摘要：本发明公开了一种采用联邦学习的隐私保护船名识别模型训练方法，该方法包括步骤：S1.发起联合训练船名识别模型任务；S2.参与者训练本地模型并进行加密；S3.聚合参与者的加密模型并执行联邦平均算法；S4.聚合服务器部分解密聚合模型和S5.参与者部分解密聚合模型；其通过参与者本地训练模型并加密训练模型，将本地训练好的加密模型上传至聚合服务器，聚合服务器在加密的模型上执行联邦平均算法；采用加密的方法以防止攻击者根据模型参数获得训练数据。另外，还采用将私钥分割成部分私钥的方式，由服务器执行一次部分解密，参与者执行一次部分解密，可以在不泄露参与者训练数据的情况下，使得多个参与者能够有效的共同训练一个船名识别模型。

主权项：1.一种采用联邦学习的隐私保护船名识别模型训练方法，其特征在于，包括发起者、聚合服务器和n个参与者；所述的方法包括下列步骤：步骤S1.发起联合训练船名识别模型任务：发起者初始化船名识别模型并招募n个参与者，将模型聚合任务发送至聚合服务器；所述船名识别模型采用循环神经网络CRNN，其中，包括模型结构和模型参数；发起者初始化Paillier密码系统公私钥对pk,sk，其中，发起者将私钥sk分割为两个部分私钥sk1和sk2；发起者将pk,sk1发送至聚合服务器，并将发给n个参与者；所述公钥pk＝N+1,N，其中，N＝pq，p和q为强素数；私钥sk＝λ,μ，其中，λ＝pq-p-q+1，μ＝λ-1modN，即μ是λ模N的逆元；部分私钥sk2为80比特的随机数，部分私钥sk1＝λμ-sk2modλN；当sk2被选用一个较小的数时，参与者的解密开销会显著减少；步骤S2.参与者训练本地模型并进行加密：参与者利用本地的船名数据集以及初始模型或解密后的聚合模型训练一个新的本地模型；其训练过程在形式上表示为： 其中，f表示本地训练函数，d表示参与者的本地船名数据集，t表示聚合的次数；完成训练后，参与者调用Paillier密码系统的加密算法Enc加密模型参数，其加密过程在形式上表示为： 其中，r为小于N的随机正整数；随后，参与者将加密的训练模型以及参与者的本地数据量|d|发送至聚合服务器；步骤S3.聚合参与者的加密模型并执行联邦平均算法：聚合服务器在收到n个参与者的加密模型后，聚合服务器利用Paillier密码系统的标量乘法同态和标量加法同态，执行以下计算： 所述标量乘法同态为所述标量加法同态为其中Dec是Paillier密码系统的解密算法，形式上，解密算法表示为步骤S4.聚合服务器部分解密聚合模型：聚合服务器判断是否达到终止条件，判断方式如下：若未达到设定的终止条件，则聚合服务器对加密的聚合模型执行部分解密操作，聚合服务器在形式上的计算方式为： 其中，N是公钥参数；此外，在步骤S4中，所述聚合服务器还计算所有参与者本地数据量之和并将D发送给参与者，聚合服务器将发送给参与者；若已达到设定的终止条件，则聚合服务器将和D作为输出发送至发起者，其中，T表示最大的聚合次数；聚合服务器仅在达到最大的聚合次数T前执行部分解密操作，当达到最大聚合次数T时，聚合服务器将聚合模型发送给发起者；当聚合服务器进行一次部分解密后，参与者执行一次部分解密操作获得解密的模型；步骤S5.参与者部分解密聚合模型：参与者在收到聚合服务器的聚合模型信息后，参与者执行部分解密操作获得解密后的聚合模型；所述部分解密操作为，给定密文计算并继续计算参与者在形式上执行如下计算： 其中，N是公钥参数；获得解密的模型后，参与者继续计算获得聚合的平均模型

全文数据：

权利要求：

百度查询： 广东优算科技有限公司 广东创亿源智能科技有限公司 一种采用联邦学习的隐私保护船名识别模型训练方法