公开(公告)号：CN117172339A

公开(公告)日：2023-12-05

申请号：CN202311016707.7

申请日：2023-08-11

Applicant: 北京邮电大学

Inventor： 穆俊生 ,  么志杰 ,  景晓军 ,  金键 ,  焦臻帧 ,  袁彤彤

IPC: G06N20/20 ,  G06N3/0464 ,  G06V10/20 ,  G06V10/32 ,  G06V10/764 ,  G06V20/10 ,  H04L9/00 ,  H04L9/40

Abstract: 本申请提供一种基于通信辅助感知的联邦学习方法及系统，通过在导师型模型中对训练数据进行学习，得到软标签，然后将软标签迁移到学生模型中，实现了模型的压缩。此外，还引入了张量分解技术，进一步压缩了学生模型的参数，可以在保持全局模型准确度和精度的同时，减小模型的规模，降低模型传输过程中的通信开销，提高了全局模型的训练效率。此外，模型加权聚合可以对不同客户端的贡献进行评估，进一步提高了全局模型的准确性和训练效率。同态加密技术可以在不暴露数据内容的情况下，对其进行计算，以保证数据的安全性，实现提高模型的安全性，保护用户的隐私的效果。