-
公开(公告)号：CN115329981A
公开(公告)日：2022-11-11
申请号：CN202210955496.2
申请日：2022-08-10
Applicant: 南京大学
Abstract: 本发明公开了一种通信高效、保护隐私且抗攻击的联邦学习方法，步骤如下：每个用户节点从服务器获取最新的模型参数，计算梯度，将梯度中绝对值最大的若干个分量的索引集合上传至服务器节点；服务器接收所有用户节点发送的索引集合，计算所有用户节点索引集合的并集并广播给用户节点；每个用户节点根据服务器广播的索引集合计算压缩梯度，应用安全聚合技术对压缩梯度进行隐私保护，然后上传至服务器节点；服务器节点通过聚合函数，根据各用户节点发送的压缩梯度和索引集合计算出最终梯度并发送给用户节点；重复以上训练步骤，直到满足停止条件；最后，服务器通知各个用户节点停止。本发明具备通信高效性、隐私保护性和对攻击的鲁棒性，广泛适用于各类联邦学习应用。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
