公开(公告)号：CN115943394A

公开(公告)日：2023-04-07

申请号：CN202080061690.5

申请日：2020-09-09

Applicant: 华为云计算技术有限公司

Inventor： 褚令洋 ,  黄宇韬 ,  张勇 ,  王岚君

IPC: G06N20/00

Abstract: 通过以下方式使用安全纵向联邦学习来学习机器学习模型：网络机器学习模型从多个私有机器学习模型接收一组私有机器学习模型输出。所述一组私有机器学习模型输出基于所述多个私有机器学习模型中的每一个独占拥有的数据。所述一组私有机器学习模型输出基于所述数据的样本ID对齐。所述网络机器学习模型提供预测，所述预测为所述网络模型基于所述一组私有机器学习模型输出的输出。所述网络模型向所述多个私有机器学习模型中的一个传输所述预测，所述多个私有机器学习模型中的所述一个包括标签。所述网络模型从所述多个私有机器学习模型中的所述一个接收基于所述标签和所述预测的损失，基于所述损失计算梯度，并基于所述损失更新所述网络模型的参数。

公开(公告)号：CN115552429A

公开(公告)日：2022-12-30

申请号：CN202180033406.8

申请日：2021-03-01

Applicant: 华为云计算技术有限公司

Inventor： 褚令洋 ,  黄宇韬 ,  张勇 ,  王岚君

IPC: G06N20/00 ,  G06F21/60

Abstract: 描述了横向联邦学习的方法和系统。获得多个局部模型参数集。每个局部模型参数集已在相应的客户端处学习。针对每个给定的局部模型参数集，计算表示所述给定的局部模型参数集与其它每一个局部模型参数集之间的相似性的协作系数。执行对所述多个局部模型参数集的更新，以获得所述多个更新的局部模型参数集。使用其它局部模型参数集的加权聚合更新每个给定的局部模型参数集，其中，所述加权聚合是使用所述协作系数计算的。所述多个更新的局部模型参数集提供给每个相应的客户端。