-
公开(公告)号：CN115660050A
公开(公告)日：2023-01-31
申请号：CN202211382903.1
申请日：2022-11-07
Applicant: 南开大学
IPC: G06N3/0464 , G06N3/08 , G06F21/60 , G06F21/62
Abstract: 本发明属于联邦学习鲁棒性和高效性领域的研究，具体涉及一种高效隐私保护的鲁棒联邦学习方法。该方法包括如下步骤，步骤1、两个服务器协同地选择n个客户端参与联邦学习过程，并分别将自己的全局模型广播给这些客户端；步骤2、客户端用接收到的全局模型对本地模型进行初始化，用本地数据集训练本地模型，将训练后的本地模型发送给两个服务器；步骤3、两个服务器用接收到的本地模型构建共享矩阵，并将其投影到降维的共享矩阵中；步骤4、两个服务器协同地对共享矩阵执行拜占庭弹性聚合算法，获得新的全局模型。本发明减少了聚合算法中私有乘法的数量，延续了联邦学习中保障数据隐私的优点，有效地提高了联邦学习算法效率。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
