龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京物浦大数据有限公司
申请日：2024-05-09
公开（公告）日：2024-06-07
公开（公告）号：CN118154389A
主分类号：G06Q50/26
分类号：G06Q50/26;G06N20/00;G06F21/62
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明公开了一种基于FedAvg联邦学习算法和隐私计算进行公平竞争审查的方法，涉及公平审查技术领域，包括：用户端对本地模型进行训练，得到训练参数并上传；中心服务器计算并更新全局模型参数，并传输至用户端；循环执行上述两个步骤，直至全局模型收敛；中心服务器将全局模型的模型参数传输至用户端；用户端将全局模型参数作为本地模型参数值，并使用本地数据对客户端模型进行二次训练，直至模型收敛；用户端将收敛后的本地模型作为公平竞争审查的深度学习模型。本发明通过使用联邦学习技术去进行模型训练，在保护政府敏感数据的隐私的同时完成公平竞争审查的任务。另外，在全局模型基础上进行二阶段本地训练，满足审查差异性。
主权项：1.一种基于FedAvg联邦学习算法和隐私计算进行公平竞争审查的方法，其特征在于：包括：用户端从中心服务器获取全局模型的当前模型参数，并使用本地数据对部署在本地的本地模型进行训练，得到训练参数并上传至中心服务器；中心服务器根据各用户端上传的训练参数计算并更新全局模型参数，并将其传输至每个用户端；循环执行上述两个步骤，直至全局模型收敛；中心服务器将全局模型的模型参数传输至每个用户端；用户端将全局模型参数作为本地模型参数值，并使用本地数据集对客户端模型进行二次训练，以更新本地模型参数值，直至本地模型收敛；用户端将收敛后的本地模型作为公平竞争审查的深度学习模型。
全文数据：
权利要求：
百度查询： 南京物浦大数据有限公司 基于FedAvg联邦学习算法和隐私计算进行公平竞争审查的方法和系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号