申请/专利权人:南京理工大学
申请日:2021-07-07
公开(公告)日:2024-06-07
公开(公告)号:CN113627619B
主分类号:G06N20/00
分类号:G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.06.07#授权;2021.11.26#实质审查的生效;2021.11.09#公开
摘要:本发明公开了一种基于伪噪声序列的保障联邦学习系统的公平性的方法,包括以下步骤:在联邦学习系统中欲保护的学习模型上添加伪噪声序列;收集各个用户上传的学习模型;对已上传的学习模型进行伪噪声序列自相关检测和模型精度预检测;惩罚作假用户,补偿其影响,维护系统公平性。本发明实现了在联邦学习架构中检测作假用户的不公平行为,并且通过相应的惩罚和补偿机制,减小这些行为产生的影响,提高用户之间的公平性,营造良好的学习环境。
主权项:1.一种基于伪噪声序列的保障联邦学习系统的公平性的方法,其特征在于,包括:在联邦学习系统中欲保护的学习模型上添加伪噪声序列;所述联邦学习系统包括中心化联邦学习系统和去中心化联邦学习系统;所述在欲保护的学习模型上添加伪噪声序列是指根据欲保护的学习模型的参数总个数,添加相应长度的截断的加性伪噪声序列在每一个学习模型参数上;或者根据生成的加性伪噪声序列的长度,重复一部分学习模型参数,然后将该加性伪噪声序列添加在重复后的学习模型参数上;所述的伪噪声序列包括最长线性反馈移位寄存器序列,Gold序列,二次剩余序列,双素数序列,霍尔序列;收集各个用户上传的学习模型,检测用户的不公平行为;对已上传的学习模型进行伪噪声序列自相关检测和模型精度预检测;伪噪声序列自相关检测是指系统中的用户使用在添加伪噪声序列时生成的伪噪声序列对学习模型进行零移位的自相关系数计算;惩罚作假用户,补偿其影响,维护系统公平性。
全文数据:
权利要求:
百度查询: 南京理工大学 基于伪噪声序列的保障联邦学习系统的公平性的方法
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。