【技术实现步骤摘要】
本申请涉及联邦机器学习，特别涉及一种联邦学习全局模型参数获取方法、系统及电子设备。
技术介绍
1、在联邦学习模型的训练过程中，经常会通过差分隐私、同态加密、秘密共享等技术与联邦学习相结合，对联邦学习模型训练过程中的隐私数据进行保护。但是，差分隐私技术需要增加噪声来保护隐私，增加的噪声导致最终模型的准确性损失。同态加密技术的计算开销很大，该方法仅适用于好奇但诚实的对手模型，即如果攻击者能够破坏参与者而不遵守协议，那么诚实参与者的模型更新将被攻击者泄露。秘密共享技术的通信量大，耗时长，协同训练的效率比较低。因此，现有的联邦学习的隐私数据的保护方法，存在耗时长，得到的模型参数准确率低并且模型参数的传递安全性不足的问题。
技术实现思路
1、本申请提供了一种联邦学习全局模型参数获取方法，在联邦学习模型的全局模型参数的获取过程中，能够节省模型参数获取时间，并保证模型参数传递的安全性以及提高了得到的全局模型参数的准确率。
2、为解决上述技术问题，第一方面，本申请的实施方式提供了种联邦学习全局...
【技术保护点】
1.一种联邦学习全局模型参数获取方法，其特征在于，应用于联邦学习系统，所述联邦学习系统包括第一电子设备组和第二电子设备，所述第一电子设备组为参与所述联邦学习的参与方对应的设备组，所述第一电子设备组包括多个第一电子设备，所述第二电子设备为参与所述联邦学习的协调方对应的设备，所述方法包括：
2.如权利要求1所述的联邦学习全局模型参数获取方法，其特征在于，所述第一电子设备将所述加密密钥进行拆分处理，得到多个子密钥，包括：
3.如权利要求1或2所述的联邦学习全局模型参数获取方法，其特征在于，根据所述加密本地模型参数和所述第一聚合密钥，得到全局模型参数，
...
【技术特征摘要】
1.一种联邦学习全局模型参数获取方法，其特征在于，应用于联邦学习系统，所述联邦学习系统包括第一电子设备组和第二电子设备，所述第一电子设备组为参与所述联邦学习的参与方对应的设备组，所述第一电子设备组包括多个第一电子设备，所述第二电子设备为参与所述联邦学习的协调方对应的设备，所述方法包括：
2.如权利要求1所述的联邦学习全局模型参数获取方法，其特征在于，所述第一电子设备将所述加密密钥进行拆分处理，得到多个子密钥，包括：
3.如权利要求1或2所述的联邦学习全局模型参数获取方法，其特征在于，根据所述加密本地模型参数和所述第一聚合密钥，得到全局模型参数，包括：
4.如权利要求3所述的联邦学习全局模型参数获取方法，其特征在于，
5.如权利要求4所述的联邦学习全局模型参数获取方法，其特征在于，所述全局模型参数通过以下公式得到：
6.如权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。