【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种联邦学习方法、装置、设备及存储介质。
技术介绍
1、联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。也就是说，联邦学习的核心思想是将数据留在本地设备上，不必集中在数据中心进行数据处理，移动设备、传感器、边缘设备等都可以作为参与者，利用各自拥有的数据集在本地设备上进行模型训练，只需共享相关模型参数来形成最终的模型即可。
2、对于联邦学习方法，现有技术中，攻击者可以通过各参与方上传的本地模型数据获取参与方的隐私信息，因此现有联邦学习方法存在安全性较低的问题。
技术实现思路
1、本专利技术提供了一种联邦学习方法、装置、设备及存储介质，以解决现有联邦学习方法存在安全性较低的问题。
2、根据本专利技术的一方面，提供了一种联邦学习方法，包括：
3、针对各训练轮次，确定分布式系统中各节点设备在局部模型的当前训练轮次中的目标局部模型数据，以及所述目标局部模型...
【技术保护点】
1.一种联邦学习方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定各节点设备对应局部模型在当前训练轮次结束时的目标局部模型数据，以及所述目标局部模型数据对应的噪声数据；根据各所述目标局部模型数据以及各所述目标局部模型数据对应的噪声数据，确定全局模型在当前训练轮次结束时的目标全局模型数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定全局模型在当前训练轮次结束时的目标全局模型数据之后，还包括：
4.根据权利要求3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，通过以下步骤确定所...
【技术特征摘要】
1.一种联邦学习方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定各节点设备对应局部模型在当前训练轮次结束时的目标局部模型数据，以及所述目标局部模型数据对应的噪声数据；根据各所述目标局部模型数据以及各所述目标局部模型数据对应的噪声数据，确定全局模型在当前训练轮次结束时的目标全局模型数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定全局模型在当前训练轮次结束时的目标全局模型数据之后，还包括：
4.根据权利要求3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，通过以下步骤确定所述...
【专利技术属性】
技术研发人员：朱兴雄，陈昊天，
申请(专利权)人：京北方信息技术股份有限公司，
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。