[发明专利]基于迁移学习的神经网络联邦建模方法、设备及存储介质有效
| 申请号： | 201810913188.7 | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN109165725B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 刘洋;杨强;成柯葳;范涛;陈天健 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国;魏兰 |
| 地址： | 518052 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移学习的神经网络联邦建模方法、设备及存储介质，该方法包括：第一终端将第一样本数据的特征向量输入至第一神经网络，得到第一神经网络向量，并依据第一神经网络向量确定第一梯度值和第一损失值，且对第一梯度值和第一损失值加密；将加密的第一梯度值和第一损失值，与接收到的第二终端发送的加密的第二梯度值和第二损失值结合，得到加密的第三损失值和第三梯度值；将加密的第三损失值和第三梯度值发送至第三终端，并依据第三终端解密返回的第三损失值和历史损失值，确定待训练模型是否收敛；若待训练模型收敛，则以收敛时的模型参数，建立待训练模型。本发明能够提高各方样本数据的私密性和利用率。 | ||
| 搜索关键词： | 基于 迁移 学习 神经网络 联邦 建模 方法 设备 存储 介质 | ||
【主权项】：
1.一种基于迁移学习的神经网络联邦建模方法，其特征在于，所述基于迁移学习的神经网络联邦建模方法包括以下步骤：第一终端将第一样本数据的特征向量输入至第一神经网络，得到第一神经网络向量，并依据所述第一神经网络向量确定第一梯度值和第一损失值，且对所述第一梯度值和所述第一损失值加密；将加密的第一梯度值和第一损失值，与接收到的所述第二终端发送的加密的第二梯度值和第二损失值结合，得到加密的第三损失值和第三梯度值，其中，第二终端将第二样本数据输入至所述第二神经网络，得到第二神经网络向量，并依据所述第一神经网络向量确定第二梯度值和第二损失值，且将所述第二梯度值和所述第二损失值加密之后，传输至所述第一终端，所述第一神经网络向量与所述第二神经网络向量的特征维度相同；将加密的第三损失值和第三梯度值发送至第三终端，并依据所述第三终端解密返回的第三损失值和历史损失值，确定待训练模型是否收敛；若待训练模型收敛，则以收敛时的模型参数，建立待训练模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810913188.7/，转载请声明来源钻瓜专利网。
- 上一篇：用于处理数据的方法和装置
- 下一篇：一种基于循环神经网络的数据预测方法
