[发明专利]具有本地隐私保护的自适应异步联邦学习方法

摘要

本发明公开了一种具有本地隐私保护的自适应异步联邦学习方法，中心服务器初始化全局模型并将全局模型参量、梯度裁剪标准、噪声机制、噪声方差广播给所有参与用户，每个用户先利用从本地数据中抽取的样本训练全局模型并对梯度逐个进行裁剪、扰动，之后将扰动的梯度发送至中心服务器，中心服务器从缓冲队列中选取前K个扰动梯度进行平均聚合，并将平均后的梯度代入随机梯度下降公式更新全局模型参量，同时根据预设阶段迭代次数自适应地调节梯度裁剪标准、噪声方差、学习率，之后中心服务器将更新后的全局模型参量、梯度裁剪标准、噪声方差广播给上一回合参与更新的K个用户，本地用户和中心服务器重复上述操作直至全局迭代次数达到给定标准。