-
公开(公告)号：CN117640253B
公开(公告)日：2024-04-05
申请号：CN202410101197.1
申请日：2024-01-25
Applicant: 济南大学
Abstract: 本申请公开了一种基于同态加密的联邦学习隐私保护方法及系统，涉及联邦学习技术领域，使用同态加密对每个客户端根据全局模型结合本地数据训练得出的梯度参数进行加密，在梯度的上传和下发以及服务器的梯度聚合阶段均是以密文的方式进行，同时在经过聚类算法对客户端分簇后，每簇客户端本地数据具有相似的数据分布，在每簇中采用梯度平均补充的思想用在线客户端梯度总和的平均值补充掉线客户端的梯度以实现容错性，在解决掉线问题中无需额外占用内存空间，掉线客户端梯度直接由同一簇在线客户端梯度平均值所补充，降低内存资源成本且提高了系统鲁棒性，从而高效安全的解决客户端掉线带来的模型性能较差和数据隐私泄露问题。
-
公开(公告)号：CN117640253A
公开(公告)日：2024-03-01
申请号：CN202410101197.1
申请日：2024-01-25
Applicant: 济南大学
Abstract: 本申请公开了一种基于同态加密的联邦学习隐私保护方法及系统，涉及联邦学习技术领域，使用同态加密对每个客户端根据全局模型结合本地数据训练得出的梯度参数进行加密，在梯度的上传和下发以及服务器的梯度聚合阶段均是以密文的方式进行，同时在经过聚类算法对客户端分簇后，每簇客户端本地数据具有相似的数据分布，在每簇中采用梯度平均补充的思想用在线客户端梯度总和的平均值补充掉线客户端的梯度以实现容错性，在解决掉线问题中无需额外占用内存空间，掉线客户端梯度直接由同一簇在线客户端梯度平均值所补充，降低内存资源成本且提高了系统鲁棒性，从而高效安全的解决客户端掉线带来的模型性能较差和数据隐私泄露问题。
-
Search Results
2
records
(took 0.014 seconds)
