公开(公告)号：CN118350413A

公开(公告)日：2024-07-16

申请号：CN202410530328.8

申请日：2024-04-29

Applicant: 燕山大学

Inventor： 王林 ,  鲁群山 ,  常珊 ,  荆楠 ,  柯铁军

IPC: G06N3/045 ,  G06N3/047 ,  G06N3/096 ,  G06N3/098 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明属于联邦学习技术领域，具体公开了一种基于截断逻辑的联邦解耦算法处理联邦学习全局数据的方法，将N个参与联邦学习的客户端n的本地数据分为缺失类别#imgabs0#和激活类别#imgabs1#分别代表客户端没有数据和有数据的类别；将N个参与联邦学习的客户端n本地模型训练的逻辑截断为缺失类逻辑#imgabs2#和激活类逻辑#imgabs3#基于缺失类逻辑#imgabs4#计算截断知识蒸馏损失；然后基于激活类逻辑#imgabs5#计算截断式向量缩放损失；将截断知识蒸馏损失和截断式向量缩放损失结合起来作为N个参与联邦学习的客户端n的本地模型在训练阶段使用的目标函数，以促进平衡的本地模型参数#imgabs6#的训练。与现有技术相比，本发明通过截断逻辑进行解耦，不仅提高了模型的性能，还增强了其平衡性。