申请/专利权人:湖南大学;湖南大学深圳研究院
申请日:2023-12-30
公开(公告)日:2024-04-26
公开(公告)号:CN117933414A
主分类号:G06N20/00
分类号:G06N20/00;G06F18/2433;G06F21/12
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本申请涉及一种应对拜占庭节点的联邦学习方法。所述方法包括:将待训练的分类模型传递至目标学习节点,以指示目标学习节点根据医疗样本数据确定梯度信息;接收目标学习节点反馈的梯度信息,并根据梯度信息对目标学习节点进行分类,得到节点类型;若节点类型为恶意节点,则对所述目标学习节点进行标识,并将邻接学习节点作为下一目标学习节点,返回执行将待训练的分类模型传递至目标学习节点的步骤;若节点类型为正常节点,则接收目标学习节点更新的分类模型,将邻接学习节点作为下一目标学习节点,并基于更新的分类模型返回执行将待训练的分类模型传递至目标学习节点的步骤,直至完成所述分类模型的训练。采用本方法能够提高分类模型的学习准确率。
主权项:1.一种应对拜占庭节点的联邦学习方法,其特征在于,所述方法包括:将待训练的分类模型传递至目标学习节点,以指示所述目标学习节点根据自身存储的医疗样本数据确定梯度信息;接收所述目标学习节点反馈的梯度信息,并根据接收的梯度信息对所述目标学习节点进行分类,得到节点类型;若所述节点类型为恶意节点,则对所述目标学习节点进行标识,并将所述目标学习节点的邻接学习节点作为下一目标学习节点,返回执行将待训练的分类模型传递至目标学习节点的步骤;若所述节点类型为正常节点,则接收所述目标学习节点基于所述医疗样本数据训练分类模型后所得到的更新的分类模型,将所述目标学习节点的邻接学习节点作为下一目标学习节点,并基于更新后的分类模型返回执行将待训练的分类模型传递至目标学习节点的步骤,直至完成所述分类模型的训练;训练完成的所述分类模型用于根据待检测数据进行异常分类。
全文数据:
权利要求:
百度查询: 湖南大学;湖南大学深圳研究院 应对拜占庭节点的联邦学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。