龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江财经大学
摘要：本发明涉及联邦学习技术领域，且公开了一种基于信誉委员会的三阶段自适应联邦学习系统及方法，所述学习系统包括三阶段自适应联邦学习模块和基于参与方行为表现的信誉委员会模块。本发明通过在“本地训练‑委员会审计‑全局模型聚合”的三阶段自适应联邦学习过程中，为参与者本地训练所得的模型分配基于信誉分的差分隐私预算，并综合统计委员会对参与者的本地模型评分作为聚合权重，筛除余弦相似度不符的低质量模型，因此，该方案不仅可以有效保护参与者的数据隐私，还能筛选高质量的模型，提升联邦学习的收敛速度与模型效用。同时，信誉分还可以有效激励高质量参与者，达到了减少恶意参与者的收益，构建积极的联邦学习生态的有益效果。
主权项：1.一种基于信誉委员会的三阶段自适应联邦学习系统，其特征在于：所述学习系统包括三阶段自适应联邦学习模块和基于参与方行为表现的信誉委员会模块；所述的三阶段自适应联邦学习模块用于对各参与者本地训练后的模型梯度参数加入差分隐私噪声，然后由联邦委员会对加噪模型进行交叉审计，依据审计结果，委员会领导人进行全局模型聚合；当达到最大迭代轮次时，将获得一个高质量的联邦学习模型；所述基于参与方行为表现的信誉委员会模块用于计算每一次联邦学习迭代中参与者的训练分和审计分以及历史完成率，然后选出高分的参与者当选委员会成员，最后依据信誉发放激励，以奖励高质量参与者并降低参与方发生恶意行为的概率。
全文数据：
权利要求：
百度查询： 浙江财经大学 一种基于信誉委员会的三阶段自适应联邦学习系统及方法
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。
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