[发明专利]基于差分隐私和量化的联邦学习全局模型训练方法在审
| 申请号： | 202110856897.8 | 申请日： | 2021-07-28 |
| 公开（公告）号： | CN113591145A | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 王子龙;周伊琳;陈谦;肖丹;王鸿波;陈嘉伟;刘蕴琪;安泽宇 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06F21/62 | 分类号： | G06F21/62;G06N20/00 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 田文英;王品华 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于差分隐私和量化的联邦学习全局模型训练方法，其步骤为：中央服务器下发预训练的联邦学习全局模型，生成每个本地用户的本地模型梯度，对每个本地用户的本地模型梯度依次进行添加噪声，阈值量化，压缩量化，将压缩量化后的本地模型梯度上传至中央服务器，中央服务器对上传的本地模型梯度进行加权聚合并更新全局模型后下发给每个本地用户，当每个本地用户的隐私预算值耗尽或者联邦学习全局模型收敛时结束训练。本发明的方法在不损失联邦学习全局模型精确度的前提下，保护了本地用户的隐私，降低了传输过程中的通信开销，提高了联邦学习全局模型的训练效率。 | ||
| 搜索关键词： | 基于 隐私 量化 联邦 学习 全局 模型 训练 方法 | ||
【主权项】：
暂无信息
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西安电子科技大学，未经西安电子科技大学许可，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/202110856897.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种仿生六足机器人
- 下一篇：一种细胞培养基及其应用
