公开(公告)号：CN115511108B

公开(公告)日：2024-07-12

申请号：CN202211182116.2

申请日：2022-09-27

Applicant: 河南大学

Inventor： 翟锐 ,  张玉涛 ,  刘杭 ,  于俊洋 ,  王瑛琦 ,  宋亚林 ,  刘文明 ,  苑昆永

IPC: G06N20/20 ,  G06F18/214 ,  G06F21/60

Abstract: 本发明提供一种基于数据集蒸馏的联邦学习个性化方法。该方法包括：在客户端，利用预设的数据集蒸馏模型对本地数据进行处理生成蒸馏数据#imgabs0#并将蒸馏数据加密后上传至服务器；服务器利用所有的加密蒸馏数据#imgabs1#进行全局模型训练，得到全局模型的初始参数G0，将#imgabs2#和G0下发至各客户端；在客户端，根据本地数据的数据分布特征利用#imgabs3#进行数据增强得到新的本地数据，并利用G0对本地模型进行参数初始化，然后利用新的本地数据对当前本地模型的参数进行更新并上传至服务器；服务器对所有本地模型的参数进行聚合以更新全局模型的参数，并将更新后的全局模型的参数下发至各客户端；重复前述的两个步骤，直至更新后的全局模型满足要求。

公开(公告)号：CN115511108A

公开(公告)日：2022-12-23

申请号：CN202211182116.2

申请日：2022-09-27

Applicant: 河南大学

Inventor： 翟锐 ,  张玉涛 ,  刘杭 ,  于俊洋 ,  王瑛琦 ,  宋亚林 ,  刘文明 ,  苑昆永

IPC: G06N20/20 ,  G06K9/62 ,  G06F21/60

Abstract: 本发明提供一种基于数据集蒸馏的联邦学习个性化方法。该方法包括：在客户端，利用预设的数据集蒸馏模型对本地数据进行处理生成蒸馏数据并将蒸馏数据加密后上传至服务器；服务器利用所有的加密蒸馏数据进行全局模型训练，得到全局模型的初始参数G0，将和G0下发至各客户端；在客户端，根据本地数据的数据分布特征利用进行数据增强得到新的本地数据，并利用G0对本地模型进行参数初始化，然后利用新的本地数据对当前本地模型的参数进行更新并上传至服务器；服务器对所有本地模型的参数进行聚合以更新全局模型的参数，并将更新后的全局模型的参数下发至各客户端；重复前述的两个步骤，直至更新后的全局模型满足要求。