-
公开(公告)号：CN118332601A
公开(公告)日：2024-07-12
申请号：CN202410603469.8
申请日：2024-05-15
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于费雪信息矩阵的分层差分隐私联邦学习方法，涉及人工智能技术领域，本发明在联邦学习全局训练开始阶段，客户端下发全局模型到客户端，客户端开始本地训练，在本地训练过程中，首先利用训练产生的梯度计算模型参数的经验费雪信息矩阵，以经验费雪信息矩阵中每层参数对应元素的平均值衡量客户端模型层的重要性，其次根据层的重要性修正每层参数梯度添加噪声的概率，然后再依据每层参数梯度添加噪声的概率对层进行差分选择，最后对选中的层添加差分隐私噪声，本地数据训练完成后，客户端将本地模型上传到服务器，服务器再将客户端上传的模型参数进行聚合，在满足客户端隐私要求的前提下降低了整个系统的噪声干扰程度。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
