-
公开(公告)号:CN115906933A
公开(公告)日:2023-04-04
申请号:CN202211213118.3
申请日:2022-09-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/0464 , G06N3/08 , G06F18/214
Abstract: 本申请实施例提供了一种联邦学习方法、装置及电子设备。其中,所述方法,包括:获取多个客户端各自训练待训练模型得到的模型参数,作为候选模型参数;在以模型参数中各参数的取值为维度的模型参数空间中,分别确定各所述候选模型参数的邻域内所述候选模型参数的密度,作为所述候选模型参数对应的局部可达密度;根据各所述候选模型参数对应的所述局部可达密度,对各所述候选模型参数进行加权聚合,得到更新后模型参数;将所述待训练模型的模型参数更新为所述更新后模型参数,得到训练后模型。可以降低模型投毒攻击对联邦学习训练得到的模型的影响,提高训练得到的模型的性能。
-
公开(公告)号:CN119544695A
公开(公告)日:2025-02-28
申请号:CN202311094452.6
申请日:2023-08-28
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L67/06 , H04L67/10 , H04L69/04 , G06N3/0495 , G06N3/098
Abstract: 本发明公开了一种联邦学习通信方法、系统及设备,其中方法包括:在横向联邦学习的任意一轮联邦聚合过程中,接收参与当前轮次联邦聚合的各个第一客户端发送的量化模型参数和反量化器;采用目标客户端对应的反量化器反量化目标客户端对应的量化模型参数,得到还原模型参数;在得到各个第一客户端分别对应的还原模型参数后,对各个第一客户端的还原模型参数进行聚合得到聚合模型参数,将聚合模型参数反馈给各个第一客户端,本发明提供了一种横向联邦学习过程中服务端与客户端之间的通信方案,以提高联邦学习通信效率。
-