-
公开(公告)号：CN118940865A
公开(公告)日：2024-11-12
申请号：CN202411419064.5
申请日：2024-10-12
Applicant: 泉城省实验室
Abstract: 本发明涉及基于委员会共识的鲁棒高效去中心化联邦学习方法及系统，属于联邦学习技术领域，包括：1）委员会成员选举；2）使用全局模型进行本地模型训练；3）模型验证，对通过验证的训练者进行打分；4）当有足够多的连续更新区块时，智能合约将自动调用，对区块链上的模型更新进行聚合，生成新的全局模型，并计算每个参与者在本轮训练中的贡献度，根据贡献度选择出下一轮训练中的委员会成员；5）各参与者下载最新的区块，将新的全局模型作为下一轮训练中的初始模型；上述操作重复进行，直至模型收敛。本发明有效解决因中心服务器的存在所导致的单点故障以及恶意服务器作恶问题的同时，提高了模型聚合的准确性、速度和效率。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
