【技术实现步骤摘要】
本申请涉及物联网安全技术，特别涉及基于簇联邦学习的异构数据快速聚合方法及装置。
技术介绍
1、在无线边缘网络中，服务器比如中央服务器或云服务器等会基于物联网客户端持有的客户端数据进行模型训练。但是，不同物联网客户端常会由于地理位置等不同，其提供的被用于模型训练的客户端数据的差异性比较大，这里差异性比较大的客户端数据可称为异构数据。而这种异构数据很难被聚合进行模型训练，影响了服务器端的模型训练。
技术实现思路
1、本申请实施例提供了基于簇联邦学习的异构数据快速聚合方法及装置，以实现基于簇联邦学习的异构数据快速聚合，提高服务器端的模型训练性能。
2、本申请实施例提供了基于簇联邦学习的异构数据快速聚合方法，该方法包括：
3、获得服务器为各客户端分配的补偿奖励；各客户端的补偿奖励是由服务器基于各客户端在当前轮簇联邦模型训练过程中的消耗成本分配的；被指定参与当前轮簇联邦模型训练的各客户端被聚类出至少一个簇类，任一簇类有一个客户端担任簇头，剩余客户端担任簇成员；客户端在所属簇类...
【技术保护点】
1.一种基于簇联邦学习的异构数据快速聚合方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述服务器效用函数通过下式表示： =G-T-R；
6.根据权利要求1或5所述的方法，其特征在于，任一簇头的簇内传输成本依赖于该簇头向至少一个簇成员传输用于当前轮簇联邦模型训练的共享训练数据时所产生的簇内传输时间、以及该簇头传输共享训练数据的发射功率确定；
...
【技术特征摘要】
1.一种基于簇联邦学习的异构数据快速聚合方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述服务器效用函数通过下式表示： =g-t-r；
6.根据权利要求1或5所述的方法，其特征在于，任一簇头的簇内传输成本依赖于该簇头向至少一个簇成员传输用于当前轮簇联邦模型训练的共享训练数据时所产...
【专利技术属性】
技术研发人员：王滨，赵海涛，王星，王琴，徐波，张为聪，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
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。