公开(公告)号：CN113742778B

公开(公告)日：2023-10-31

申请号：CN202111092031.0

申请日：2021-09-17

Applicant: 上海交通大学

Inventor： 马汝辉 ,  郭含熙 ,  杨晴 ,  王灏 ,  华扬 ,  宋涛 ,  管海兵

IPC: G06F21/62 ,  G06N20/00

Abstract: 本发明涉及一种基于联邦学习和ALQ压缩的分布式机器学习方法及系统，所述系统包括一个服务器端和多个客户端，服务器端的功能包括初始化全局机器学习模型、分发模型至客户端、收集客户端的模型并计算新的全局模型；客户端的功能包括接收全局模型、用本地数据对模型进行训练以及上传训练好的本地模型，服务器端和客户端之间的通信数据通过ALQ压缩算法进行压缩。与现有技术相比，本发明具有保证数据隐私安全性、适用于对通信量和扩展性有严格要求的空间信息网络等优点。

公开(公告)号：CN113742778A

公开(公告)日：2021-12-03

申请号：CN202111092031.0

申请日：2021-09-17

Applicant: 上海交通大学

Inventor： 马汝辉 ,  郭含熙 ,  杨晴 ,  王灏 ,  华扬 ,  宋涛 ,  管海兵

IPC: G06F21/62 ,  G06N20/00

Abstract: 本发明涉及一种基于联邦学习和ALQ压缩的分布式机器学习方法及系统，所述系统包括一个服务器端和多个客户端，服务器端的功能包括初始化全局机器学习模型、分发模型至客户端、收集客户端的模型并计算新的全局模型；客户端的功能包括接收全局模型、用本地数据对模型进行训练以及上传训练好的本地模型，服务器端和客户端之间的通信数据通过ALQ压缩算法进行压缩。与现有技术相比，本发明具有保证数据隐私安全性、适用于对通信量和扩展性有严格要求的空间信息网络等优点。