公开(公告)号：CN115495771A

公开(公告)日：2022-12-20

申请号：CN202210798075.3

申请日：2022-07-06

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  何雨婷 ,  杨晓东 ,  于汉超

IPC: G06F21/62 ,  G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04

Abstract: 本发明提出一种基于自适应调整权重的数据隐私保护方法和系统，解决了面向非独立同分布数据带来的模型性能下降和收敛速度变慢的问题，属于联邦学习应用技术领域。包括：在每一轮联邦通信开始时，服务器端利用辅助数据集评估全局模型类别层面的可信度，将可信度矩阵和全局模型参数下发到参与该轮联邦的客户端中；客户端根据本地私有数据集评估全局模型样本层面的可信度，进行知识蒸馏时利用类别可信度和样本可信度进行加权，动态指导本地模型的训练过程，并上传更新后的本地模型参数至服务器端；服务器端加权聚合各本地模型参数更新全局模型。