公开(公告)号：CN116757294A

公开(公告)日：2023-09-15

申请号：CN202310574374.3

申请日：2023-05-19

Applicant: 重庆邮电大学

Inventor： 张海波 ,  李佳琪 ,  任俊平 ,  秦嘉琦 ,  曾镜颖 ,  郑万佳 ,  周经傲 ,  谭海浪 ,  刘泽洋 ,  刘开健

IPC: G06N20/00

Abstract: 本发明属于人工智能中的分布式机器学习领域，特别涉及一种基于不可知论的公平联邦学习异步训练方法；包括：构建联邦学习系统，在第t轮次中，随机选择用户组成训练集，中央服务器向训练集下发全局模型参数；用户进行本地训练并向中央服务器上传用户模型参数和测试准确率；当中央服务器采集到所有的用户模型参数和测试准确率，更新全局模型参数并计算全局准确率；当全局准确率大于目标准确率，则向所有用户下发更新后的全局模型参数，完成训练；本发明利用不可知论来提高联邦学习关于公平优化目标的构建能力，设计训练调整机制以缓解全局优化方向关于部分用户的偏离程度，在面对数据异构的用户群体时，能取得良好的表现公平性和模型公平性。