公开(公告)号：CN116796204A

公开(公告)日：2023-09-22

申请号：CN202310161629.3

申请日：2023-02-24

Applicant: 杭州电子科技大学

Inventor： 李尤慧子 ,  俞海涛 ,  殷昱煜 ,  李玉 ,  梁婷婷 ,  万健

IPC: G06F18/23 ,  G06F18/214 ,  G06N20/00 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明公开了一种基于贡献感知的聚类联邦学习方法，包括如下步骤：步骤1.参数服务器初始化；步骤2.客户端更新本地模型的参数；步骤3.客户端根据更新参数在本地数据集上训练n轮次，本地的梯度上传至参数服务器；步骤4.判断是否需要贡献评估，若需要贡献评估，则进入步骤5，否则进入步骤6；步骤5.服务器对客户端上传的参数计算近似沙普利值，并将沙普利值作为每个客户端贡献的量化指标；步骤6.服务器判断联邦系统是否完成训练，若完成训练，则进入步骤7输出最终预测模型；步骤7.联邦训练结束，输出最终预测模型。该方法可以在不违背联邦学习数据安全范式下进行贡献评估和协作训练，提高联邦系统的准确率和激励优质客户端。