一种具备数据感知能力的分层可信联邦学习方法技术

本发明专利技术涉及联邦学习技术领域，具体公开一种具备数据感知能力的分层可信联邦学习方法，该方法通过分层可信联邦学习装置获取各客户端设备学习性能数据，并得到各客户端设备学习性能指标，判断是否对其进行性能预警，然后分层可信联邦学习装置将各客户端设备公钥上传至区块链，由此筛选出各可访问控制设备，确保了数据隐私，各可访问控制设备训练生成各可访问控制设备所属本地模型，随后得到各可访问控制设备所属本地模型训练特征值，并判断是否重新进行训练，同时获取各可访问控制设备的训练评估指数，由此完成智能分组，并对各组可访问控制设备所属本地模型进行聚合，生成全局模型，并上传到区块链完成全局模型更新，提高了模型训练效率和准确性。

【技术实现步骤摘要】

本专利技术涉及联邦学习，具体为一种具备数据感知能力的分层可信联邦学习方法。

技术介绍

1、联邦学习已广泛应用于隐私敏感的个性化推荐系统、智慧城市、智能医疗等领域，然而，传统联邦学习是典型的单层中心化架构，依赖于中心服务器生成或更新全局模型参数，存在单点失效、隐私泄露、性能瓶颈等问题，为了有效减小中心服务器的通信开销，一些研究将边缘计算引入到联邦学习中，构建了分层联邦学习框架，分层可信联邦学习方法应运而生。

2、例如公开号为cn117494846a的专利技术专利，公开了一种基于客户端间数据差异感知的聚类联邦学习方法，各客户端基于本地数据进行计算处理，得到特征向量和标签向量；服务器计算每两个客户端间的特征向量差异度量，得到测地线距离矩阵，以及计算每两个客户端间的标签向量差异度量，得到海林格距离矩阵，将测地线距离矩阵和海林格距离矩阵加权线性组合，得到成对距离矩阵；服务器利用层次聚类算法对成对距离矩阵进行聚类计算，得到多个聚类结果；服务器基于聚类结果维护多个簇级别模型，并且将不同的簇级别模型发送至属于该簇的所有参与客户端；基于聚类结果在服务器与客户端间本文档来自技高网...

【技术保护点】

1.一种具备数据感知能力的分层可信联邦学习方法，其特征在于，包括：

2.根据权利要求1所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述各客户端设备学习性能数据，具体包括设备运行时段时长、各客户端设备在设备运行时段的各运行时刻的可用内存容量、各客户端设备在设备运行时段的各运行时刻的数据吞吐量、各客户端设备在设备运行时段的错误日志数量、各客户端设备在设备运行时段的运行日志总数以及各客户端设备在设备运行时段的空闲时长；

3.根据权利要求2所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述各客户端设备学习性能指标，具体分析过程为：

...

【技术特征摘要】

1.一种具备数据感知能力的分层可信联邦学习方法，其特征在于，包括：

2.根据权利要求1所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述各客户端设备学习性能数据，具体包括设备运行时段时长、各客户端设备在设备运行时段的各运行时刻的可用内存容量、各客户端设备在设备运行时段的各运行时刻的数据吞吐量、各客户端设备在设备运行时段的错误日志数量、各客户端设备在设备运行时段的运行日志总数以及各客户端设备在设备运行时段的空闲时长；

3.根据权利要求2所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述各客户端设备学习性能指标，具体分析过程为：

4.根据权利要求1所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述判断是否对各客户端设备进行性能预警，具体判断过程为：

5.根据权利要求1所述一种具备数据感知能力的分层可信联邦学习方法，其特征在于：所述各可访问控制设备所属本地模型数据，具体包括各可访问控制设备所属本地模型在模型训练时段的损失函数值、各可访问控制设备所属本地模型在模型训练时段的实际训练时长、各可访问控制设备所属本地模型在模型训练时段的浮点...

【专利技术属性】
技术研发人员：李冠憬，周思思，梁伟，陈宇翔，何大成，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人