公开(公告)号：CN117556919A

公开(公告)日：2024-02-13

申请号：CN202311364523.X

申请日：2023-10-20

Applicant: 杭州安恒信息技术股份有限公司

Inventor： 薛梅婷 ,  苗春雨 ,  徐龙华 ,  严军荣

IPC: G06N20/00 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/22 ,  G06F21/62

Abstract: 本发明公开了基于签名聚类的个性化图联邦学习方法、系统及存储介质，其方法包括步骤：客户端接收服务器下发的模型进行训练并根据模型的参数进行聚合；通过函数映射生成客户端的签名；在本地模型中添加个性化因子并将除个性化因子之外的模型层参数和签名上传至服务器；服务器根据各客户端的签名进行聚类并在聚类簇内部执行联邦平均；客户端接收服务器下发的联邦平均后的模型参数并结合个性化因子进行本地训练。本发明解决了相关技术中聚类学习效果差及客户端之间和客户端内部的数据异质性问题。

公开(公告)号：CN117371480A

公开(公告)日：2024-01-09

申请号：CN202311310040.1

申请日：2023-10-11

Applicant: 杭州安恒信息技术股份有限公司

Inventor： 薛梅婷 ,  苗春雨 ,  徐龙华 ,  严军荣

IPC: G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/098 ,  G06F18/214 ,  G06F18/21 ,  G06F18/22

Abstract: 本发明公开了基于验证集精度优化的图联邦学习方法、系统及存储介质，其方法包括步骤：利用VGAE生成基础训练模型；根据模型相似度评估方法约束局部模型靠近全局模型及远离上一轮局部模型；计算新的本地局部模型参数并根据本地验证集进行微调；服务器收集各客户端局部模型参数进行全局聚合与更新。本发明解决了相关技术中缺乏对非欧式数据的针对性优化和模型性能下降的问题。