← 返回列表
基于差分隐私联邦学习的模型训练方法、装置及设备
申请人信息
- 申请人:深圳大学
- 申请人地址:518060 广东省深圳市南山区南海大道3688号
- 发明人: 深圳大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于差分隐私联邦学习的模型训练方法、装置及设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311438392.5 |
| 申请日 | 2023/10/31 |
| 公告号 | CN117349672A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | G06F18/214 |
| 权利人 | 深圳大学 |
| 发明人 | 崔来中; 马嘉艇; 周义朋; 李琦 |
| 地址 | 广东省深圳市南山区南海大道3688号 |
摘要文本
深圳大学取得“一种透气窗帘布”专利技术，本发明实施例公开了一种基于差分隐私联邦学习的模型训练方法、装置及设备。该方法包括：采用有偏客户端采样策略，根据每个客户端的隐私预算和样本分布从客户端候选集中选择目标客户端，并将最新全局模型分发给目标客户端；通过目标客户端使用本地数据集进行本地迭代得到原始模型梯度，并采用差分隐私机制根据每轮迭代的隐私消耗生成随机噪声对原始模型梯度进行扰乱，得到加噪模型梯度；接收目标客户端上传的加噪模型梯度并进行聚合，以对全局模型进行更新。本发明实施例所提供的技术方案，通过根据客户端之间的异构差分隐私优化了DPFL中的客户端采样策略，提升了异构差分隐私联邦学习的性能，以便更好地应用到智能设备中为用户提供服务。。数据由马 克 数 据整理
专利主权项内容
1.一种基于差分隐私联邦学习的模型训练方法，其特征在于，包括：采用有偏客户端采样策略，根据每个客户端的隐私预算和样本分布从客户端候选集中选择目标客户端，并将最新全局模型分发给所述目标客户端；通过所述目标客户端使用本地数据集进行本地迭代得到原始模型梯度，并采用差分隐私机制根据每轮迭代的隐私消耗生成随机噪声对所述原始模型梯度进行扰乱，得到加噪模型梯度；接收所述目标客户端上传的所述加噪模型梯度并进行聚合，以对全局模型进行更新。