[发明专利]敏感场景下可提升系统公平性的横向联邦学习训练方法在审
| 申请号： | 202210794899.3 | 申请日： | 2022-07-05 |
| 公开（公告）号： | CN115238905A | 公开（公告）日： | 2022-10-25 |
| 发明（设计）人： | 董宇涵;孙雅琪;李志德;张凯 | 申请（专利权）人： | 清华大学深圳国际研究生院 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/04;G06N3/08 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 江耀锋 |
| 地址： | 518055 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种敏感场景下可提升系统公平性的横向联邦学习训练方法，包括如下步骤：S1、建立联邦聚合的公平性指标；S2、构建基于深度强化学习的影响评估器；S3、基于横向联邦学习，客户端通过迭代聚合来自不同客户端的本地模型，通过聚合方式训练共享的全局模型。本发明能够根据不同客户端的验证精度分配本轮聚合权重，智能地安排不同客户端每轮聚合时对于全局模型的贡献，从而在保障全局模型表现的同时，保障客户端的公平性。 | ||
| 搜索关键词： | 敏感 场景 提升 系统 公平性 横向 联邦 学习 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清华大学深圳国际研究生院，未经清华大学深圳国际研究生院许可，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/202210794899.3/，转载请声明来源钻瓜专利网。
