公开(公告)号：CN118965416A

公开(公告)日：2024-11-15

申请号：CN202410776614.2

申请日：2024-06-17

Applicant: 北京理工大学

Inventor： 盖珂珂 ,  王烁 ,  万彦筱 ,  王安 ,  祝烈煌

IPC: G06F21/62 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/098 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及去中心化纵向联邦学习隐私保护方法，属于机器学习技术领域。本发明包括步骤：1、模型参与方的成员节点包括主动方、被动方、验证方；2、形成主动方数据样本和被动方数据样本；3、模型初始化；4、被动方进行前向训练；5、验证方对本地中间结果进行验证通过拜占庭共识后，加权聚合形成聚合中间结果；6、主动方进行顶层模型训练；7、被动方利用主动方顶层模型的梯度值G反向更新本地模型参数；8、重复步骤3至步骤7，直到停止训练。本发明用于排除单独故障和提升准确率的性能，通过区块链中的共识组节点判断被动方的贡献值，聚合节点聚合共识后的被动方的本地值，实现去中心化的纵向联邦学习隐私保护方法。