[发明专利]一种满足个性化本地差分隐私需求的联邦学习方法在审
| 申请号： | 202210393006.4 | 申请日： | 2022-04-14 |
| 公开（公告）号： | CN114841364A | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 徐蕾;吴瑕;祝烈煌 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F21/62 |
| 代理公司： | 北京正阳理工知识产权代理事务所(普通合伙) 11639 | 代理人： | 张利萍 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种满足个性化本地差分隐私需求的联邦学习方法，属于网络与信息安全技术领域。在联邦学习的每一个迭代轮次中，每个客户端在完成本地模型训练后，根据自己设置的隐私预算对原始的本地模型参数进行扰动，然后发送给服务器。服务器收集所有客户端扰动后的本地模型参数，并根据每个客户端设置的隐私预算计算其对应的概率参数，在聚合全局模型时根据概率参数来决定使用哪些客户端的本地模型。对比现有技术，本发明可抵抗来自不可信服务器的隐私攻击，客户端可设置不同的隐私预算，支持“个性化”的隐私保护。客户端选择机制可以在隐私预算个性化设置的情形下，使服务器获得更准确的全局模型，平衡了数据可用性与隐私性。 | ||
| 搜索关键词： | 一种 满足 个性化 本地 隐私 需求 联邦 学习方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210393006.4/，转载请声明来源钻瓜专利网。
