公开(公告)号：CN116562366A

公开(公告)日：2023-08-08

申请号：CN202310500556.6

申请日：2023-05-06

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  褚灵强 ,  夏紫琳

IPC: G06N3/098 ,  G06N3/048 ,  G06N3/084 ,  G06F18/2113 ,  G06F18/214 ,  G06F18/24 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/771

Abstract: 本发明公开了一种基于特征选择和特征对齐的联邦学习方法。本发明步骤：1、数据集获取。2、中央服务器下发当前的全局特征提取模块至所有客户机。客户机生成中间层特征并上传至中央服务器。中央服务器利用接收到中间层特征训练客户机鉴别器和特征注意力向量。3、中央服务器选择客户机子集参与本轮联邦学习并下发全局模型。4、被选中的客户机利用得到的特征注意力向量构造特征掩膜向量进行特征筛选，并进行特征对齐。5、利用得到客户机鉴别器，结合对齐损失和预测损失更新全局模型后上传至中央服务器。6、中央服务器聚合接收到的本地模型生成新的全局模型。本发明能够提升联邦学习训练的收敛速度与模型预测精度。