公开(公告)号：CN119849601A

公开(公告)日：2025-04-18

申请号：CN202510034523.6

申请日：2025-01-09

Applicant: 北京交通大学

Inventor： 常晓林 ,  刘家祺 ,  范俊超 ,  俱博成 ,  雷徐扬 ,  王楷文 ,  巩艳伟 ,  毛敬凯

IPC: G06N3/098 ,  G06N3/096 ,  G06N3/094 ,  G06N3/084 ,  G06N3/045 ,  G06N3/0464 ,  G06F21/62

Abstract: 本发明涉及一种基于噪声对抗训练的联邦类别遗忘学习方法，属于人工智能领域，所述方法包括噪声对抗训练、计算目标数据影响度、遗忘训练和重训练这四个步骤。其中所述噪声对抗训练是通过误差最大化和知识蒸馏训练噪声数据来破坏模型分类能力，所述计算目标数据影响度来自于目标数据在全局模型上的梯度，所述遗忘训练主要内容是将噪声数据合并至剩余数据集参与训练，并在影响度辅助下调整参数，所述重训练则是在剩余数据集上进行正常的联邦学习进程，本发明提出的方法避免了中心服务器获取参与方本地数据相关信息，保护数据隐私，对模型参数针对性调整以遗忘目标分类性能，加快了重训练速度。