[发明专利]基于横向联邦学习的数据处理系统

权利要求书

1.一种基于横向联邦学习的数据处理系统，其特征在于，

包括中心服务器、N个客户端、存储有计算机程序的存储器和处理器，所述处理器在执行所述计算机程序时，实现以下步骤：

步骤S1、初始化全局模型G_global,0，设置每轮选取参与训练的客户端数量K，K小于N，设置相似度阈值Q；

步骤S2、选取K个客户端，向每一所选客户端发送初始全局模型G_global,0进行第一轮训练，得到第一轮的全局模型G_global,1和全局更新矩阵ΔG_global,1，将训练轮次t设置为2，执行步骤S3；

步骤S3、选取K个客户端，向每一所选客户端发送上一轮全局模型G_global,t-1和上一轮全局更新矩阵ΔG_global,t-1进行第t轮训练,获取第k所选客户端基于G_global,t-1和ΔG_global,t-1训练得到的第t轮本地模型G_k,t和本地更新矩阵ΔG_k,t；

步骤S4、获取ΔG_k,t和ΔG_global,t-1的相似度，将相似度大于Q的客户端确定为第t轮目标客户端，第t轮目标客户端的数量为kt,kt小于等于K，则第t轮对应的目标客户端本地模型分别为

步骤S5、将的参数顺序重新匹配，得到第t轮参数顺序调整后的所有目标客户端本地模型G'_1,t,G'_2,t,G'_3,t,......G'_kt,t；

步骤S6、基于G'_1,t,G'_2,t,G'_3,t,......G'_kt,t获取第t轮全局模型G_global,t和第t轮全局更新矩阵ΔG_global,t；

步骤S7、判断第t轮全局模型是否收敛，若收敛，则结束，否则，令t＝t+1，返回步骤S3。

2.根据权利要求1所述的系统，其特征在于，

优选的，所述步骤S2包括:

步骤S21、选取K个客户端，向每一所选客户端发送初始全局模型G_global,0；

步骤S22、接收第k所选客户端基于所述初始全局模型进行第一轮训练得到的本地模型G_k,1和更新矩阵ΔG_k,1，k的取值为1到K；

步骤S23、基于所选的K个客户端的本地模型和更新矩阵获取第一轮训练得到的全局模型G_global,1：

其中，n_K为第一轮所选的K个客户端的训练数据总量，n_k表示第一轮第k所选客户端的训练数据量；

步骤S24、基于G_global,1和G_global,0确定第一轮全局更新矩阵ΔG_global,1：

ΔG_global,1＝G_global,1-G_global,0。

3.根据权利要求1所述的系统，其特征在于，

优选的，所述步骤S4包括：

步骤S41、将ΔG_k,t和ΔG_global,t-1分别进行矩阵平铺，得到各自对应的更新向量；

步骤S42、获取ΔG_k,t对应的更新向量和ΔG_global,t-1的更新向量的相似度，并与Q比较，将相似度大于Q的ΔG_k,t对应的所选客户端确定为第t轮目标客户端。

4.根据权利要求3所述的系统，其特征在于，

所述步骤S4还包括：

步骤S43、将第t轮每一所选客户端对应的更新向量和ΔG_global,t-1的更新向量的相似度从大到小排序，并获取预设数值的相似度分位数，并将所述相似度阈值Q更新为该相似度分位数。