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：深圳前海微众银行股份有限公司
申请日：2021-11-29
公开（公告）日：2024-06-21
公开（公告）号：CN114091617B
主分类号：G06F18/214
分类号：G06F18/214;G06N3/098
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2022.05.06#实质审查的生效;2022.02.25#公开
摘要：本申请公开了联邦学习建模优化方法、电子设备、存储介质及程序产品，应用于联邦参与方，所述联邦学习建模优化方法包括：获取第一噪声数据，依据本地生成网络模型，将第一噪声数据映射为各初始粒子网络模型；获取本地样本数据，依据本地样本数据，分别对各初始粒子网络模型进行迭代训练更新，得到各目标粒子网络模型；获取第二噪声数据，依据各目标粒子网络模型和第二噪声数据，对本地生成网络模型进行基于联邦学习的迭代训练更新，得到联邦生成网络模型；获取本地选定噪声样本，依据联邦生成网络模型，将本地选定噪声样本转换为联邦预测网络模型。本申请解决了现有技术中由于需要进行隐私保护而造成联邦学习建模效率低的技术问题。
主权项：1.一种联邦学习建模优化方法，其特征在于，应用于联邦参与方，所述联邦学习建模优化方法包括：从本地噪声数据集中获取第一噪声数据，依据本地生成网络模型，将所述第一噪声数据映射为各初始粒子网络模型，其中，所述第一噪声数据包括图像或者声音；获取本地样本数据，依据所述本地样本数据，分别对各所述初始粒子网络模型进行迭代训练更新，得到各目标粒子网络模型，其中，本地样本数据包括图像或者声音；从所述本地噪声数据集中获取第二噪声数据，依据各所述目标粒子网络模型和所述第二噪声数据，对所述本地生成网络模型进行基于联邦学习的迭代训练更新，得到联邦生成网络模型；从所述本地噪声数据集中获取本地选定噪声样本，依据所述联邦生成网络模型，将所述本地选定噪声样本转换为联邦预测网络模型；在所述依据所述联邦生成网络模型，将所述本地选定噪声样本转换为联邦预测网络模型的步骤之后，所述联邦学习建模优化方法还包括：接收联邦协调方下发的公共样本数据，其中，公共样本数据包括图像或者声音；依据所述联邦预测网络模型，对所述公共样本数据进行模型预测，得到测试预测结果；将所述测试预测结果发送至所述联邦协调方，以供所述联邦协调方依据各所述联邦参与方发送的测试预测结果，预测各所述联邦参与方的联邦预测网络模型的模型参数之间的距离，得到各模型参数距离。
全文数据：
权利要求：
百度查询： 深圳前海微众银行股份有限公司 联邦学习建模优化方法、电子设备、存储介质及程序产品
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