一种基于电力数据的联邦学习模型训练方法

    公开(公告)号:CN116227621B

    公开(公告)日:2023-10-24

    申请号:CN202211711600.X

    申请日:2022-12-29

    Abstract: 本发明提供了一种基于电力数据的联邦学习模型训练方法,包括以下步骤:服务器设定初始模型和训练参数并发送至客户端;客户端设定本地控制变量,基于本地控制变量对初始模型进行更新、处理获得密文模型;将密文模型和本地控制变量传输至服务器;服务器根据密文模型获得聚合模型,判断当前迭代次数小于总迭代次数时,更新服务器控制变量,将聚合模型和更新后的服务器控制变量发送至客户端,将聚合模型在客户端开启新一轮的训练步骤;服务器判断当前迭代次数等于总迭代次数时,输出聚合模型。本发明能够避免恶意服务器与客户端串通获取其他客户端的数据的问题,同时控制多个客户端的模型收敛方向,使得模型加快向全局最优解收敛。

    一种基于电力数据的联邦学习模型训练方法

    公开(公告)号:CN116227621A

    公开(公告)日:2023-06-06

    申请号:CN202211711600.X

    申请日:2022-12-29

    Abstract: 本发明提供了一种基于电力数据的联邦学习模型训练方法,包括以下步骤:服务器设定初始模型和训练参数并发送至客户端;客户端设定本地控制变量,基于本地控制变量对初始模型进行更新、处理获得密文模型;将密文模型和本地控制变量传输至服务器;服务器根据密文模型获得聚合模型,判断当前迭代次数小于总迭代次数时,更新服务器控制变量,将聚合模型和更新后的服务器控制变量发送至客户端,将聚合模型在客户端开启新一轮的训练步骤;服务器判断当前迭代次数等于总迭代次数时,输出聚合模型。本发明能够避免恶意服务器与客户端串通获取其他客户端的数据的问题,同时控制多个客户端的模型收敛方向,使得模型加快向全局最优解收敛。

Patent Agency Ranking