基于联邦学习的数据聚合方法及系统、设备、介质

    公开(公告)号:CN117744134A

    公开(公告)日:2024-03-22

    申请号:CN202311582984.4

    申请日:2023-11-24

    Abstract: 本发明涉及联邦学习技术领域,公开了一种基于联邦学习的数据聚合方法及系统,方法包括:将全局模型进行初始化然后发送给选定用户,基于本地数据集采用梯度下降算法训练出本地模型梯度参数,之后采用Paillier同态加密算法对梯度向量数据进行加密;数据拥有者从梯度向量中随机选择一个梯度参数子集,随机选择置换的用户,之后整合本地混淆后的梯度向量并上传给联邦学习服务器;联邦学习服务器将所有局部梯度向量进行密态聚合,得到聚合结果,完成联邦学习的数据聚合。系统包括初始化单元、同态加密单元、数据混淆单元和聚合训练单元。本申请还公开了一种电子设备及计算机可读存储介质,本发明用于加强联邦学习数据聚合过程中的安全性。

    基于人脸识别的身份登录认证方法及系统、设备、介质

    公开(公告)号:CN117688537A

    公开(公告)日:2024-03-12

    申请号:CN202311488610.6

    申请日:2023-11-09

    Abstract: 本发明涉及人脸识别技术领域,公开了一种基于人脸识别的身份登录认证方法及系统,方法包括:步骤S1,采集人脸图像;步骤S2,构建人脸识别网络模型;步骤S3,采用损失函数指导人脸识别网络模型学习,输出训练好的人脸识别网络模型;步骤S4,采集人脸图像,将人脸图像输入进训练好的人脸识别网络模型中,生成训练好的人脸图像并存入身份登录认证系统的数据库中,采集新的人脸图像后通过信息比对完成身份登录认证。系统包括采集单元、模型构建单元和身份登录认证单元。本申请还公开了一种电子设备及计算机可读存储介质。本发明能够提高人脸的识别精度,同时减少计算量和复杂度。

Patent Agency Ranking