公开(公告)号：CN112348200B

公开(公告)日：2022-11-15

申请号：CN202011203717.8

申请日：2020-11-02

Applicant: 中国科学院信息工程研究所

Inventor： 葛仕明 ,  卢江虎 ,  王伟平

IPC: G06N20/00 ,  G06F16/176 ,  H04L67/01

Abstract: 本发明提供一种基于联邦学习的受控共享学习方法及系统，包括接收各客户端模型Vi,t的参数，并根据参数从各客户端中选取一或多个共享客户端，向共享的客户端发送共享指令，其中模型Vi,0通过各客户端的算力构建并依据相应私有数据集训练得到，且各模型Vi,0的分类模块结构一致；获取共享客户端模型Vi,t的分类模块参数St，并将计算得到的分类模块参数St+1发送至各客户端，以使各客户端依据私有数据集与分类模块参数St+1得到模型Vi,t+1。本发明仅需提供模型部分参数完成共享学习，使数据安全得到了很好的保障；且各客户端模型、是否参与共享学习等都自主可控。

公开(公告)号：CN112348200A

公开(公告)日：2021-02-09

申请号：CN202011203717.8

申请日：2020-11-02

Applicant: 中国科学院信息工程研究所

Inventor： 葛仕明 ,  卢江虎 ,  王伟平

IPC: G06N20/00 ,  G06F16/176 ,  H04L29/06

Abstract: 本发明提供一种基于联邦学习的受控共享学习方法及系统，包括接收各客户端模型Vi,t的参数，并根据参数从各客户端中选取一或多个共享客户端，向共享的客户端发送共享指令，其中模型Vi,0通过各客户端的算力构建并依据相应私有数据集训练得到，且各模型Vi,0的分类模块结构一致；获取共享客户端模型Vi,t的分类模块参数St，并将计算得到的分类模块参数St+1发送至各客户端，以使各客户端依据私有数据集与分类模块参数St+1得到模型Vi,t+1。本发明仅需提供模型部分参数完成共享学习，使数据安全得到了很好的保障；且各客户端模型、是否参与共享学习等都自主可控。