咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种针对联邦学习中差分隐私预算计算的收紧方法 收藏
一种针对联邦学习中差分隐私预算计算的收紧方法

一种针对联邦学习中差分隐私预算计算的收紧方法

专利申请号:CN202210151961.7

公 开 号:CN114462090B

发 明 人:李丽香 石佳鑫 彭海朋 

代 理 人:北京挺立专利事务所(普通合伙)高福勇

代理机构:北京挺立专利事务所(普通合伙)

专利类型:发明专利

申 请 日:20230627

公 开 日:20220218

专利主分类号:G06F21/62

关 键 词:隐私 单个客户端 图像分类系统 假设检验 学习系统 预算计算 整体模型 客户端 下降法 预算 剪裁 标准化 学习 跟踪 更新 

摘      要:本发明公开了一种针对联邦学习中差分隐私预算计算的收紧方法,通过从假设检验的角度出发,计算隐私预算,通过f‑差分隐私技术完成对联邦图像分类系统中隐私预算的跟踪工作,并通过客户端标准化梯度下降法完成对单个客户端更新梯度的规范,限制单个客户端对整体模型的影响,解决了现有工作中梯度阈值超参选择的难题,让模型可以完成更多轮次的训练,以及规避梯度剪裁阈值C对联邦学习模型的影响,使得联邦学习系统可以在不过分影响精度的同时,满足差分隐私。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分