-
公开(公告)号:CN116702882A
公开(公告)日:2023-09-05
申请号:CN202310680763.4
申请日:2023-06-09
Applicant: 北京邮电大学 , 北京微芯区块链与边缘计算研究院
Abstract: 本发明提供一种联邦学习的分组算法及系统,涉及联邦学习技术领域。该联邦学习的分组算法,包括:对每个用户的网络进行梯度过滤得到每个用户的重要梯度索引矩阵,计算每一对用户重要梯度索引矩阵之间的欧式距离,所述重要梯度为在训练神经网络时,对神经元起促进或抑制作用大的梯度,即为在神经网络梯度矩阵中绝对值大的梯度;将每一对用户重要梯度索引矩阵之间的欧式距离进行归一化处理,通过归一化的欧式距离构建用户间的相似度矩阵;根据用户间的相似度矩阵中的值,将与其他用户的欧式距离均偏离大的用户判定为恶意客户端,并终止联邦学习进程;排除掉恶意客户端后,对于其余用户依次将其中欧式距离最小的用户对进行分组,并更新用户间的相似度矩阵对应的值,直至全部用户完成分组。