-
公开(公告)号：CN112906911A
公开(公告)日：2021-06-04
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
公开(公告)号：CN115456191A
公开(公告)日：2022-12-09
申请号：CN202210914946.3
申请日：2022-08-01
Applicant: 厦门大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习平台，通过任务预处理模块对机器学习任务对应的原始数据集进行预处理，以生成所述机器学习任务对应的子联邦任务，以及获取所述机器学习任务对应的模型；任务运行模块加载机器学习任务对应的子联邦任务和对应的模型，以便完成联邦训练初始化；联邦训练模块根据子联邦任务和对应的模型模拟服务端和用户端进行联邦学习以完成联邦训练；由此，能够将传统机器学习任务转化为联邦训练场景的通用任务处理范式，使得联邦学习在任意机器学习任务上的效果能够被快速验证。
-
公开(公告)号：CN117395024A
公开(公告)日：2024-01-12
申请号：CN202311140704.4
申请日：2023-09-05
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于图纵向联邦模型的防御方法、装置、介质及设备。该方法包括：根据接收到的针对目标节点的预测请求，向各参与方对应的本地服务器发送针对目标节点的目标节点嵌入上传指令，以使各本地服务器反馈与目标节点相对应的目标节点嵌入；查询历史节点嵌入库，将与除恶意参与方以外的其他参与方发送的目标节点嵌入之间总相似度最高的历史节点嵌入组作为目标历史节点嵌入组；将目标历史节点嵌入组中由恶意参与方发送的历史节点嵌入替换由该恶意参与方发送的目标节点嵌入并调用全局模型进行预测，以使全局模型输出与目标节点对应的预测结果。本申请实施例的技术方案可以提高图纵向联邦模型的鲁棒性，保证其对对抗攻击的防御效果。
-
公开(公告)号：CN112906911B
公开(公告)日：2022-07-01
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
