原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于社交分组的联邦学习方法和装置，基于直接社交信任与间接社交信任进行社交信任评估；参与联邦学习任务的用户根据所述社交信任值形成纳什稳定且互不相交的多个社交分组；社交分组的成员利用本地数据训练得到本地模型参数更新，并根据与社交分组的管理者之间的社交信任值确定高斯噪声扰动策略，得到扰动后的本地模型参数更新；社交分组的管理者聚合社交分组内所有成员的本地模型参数更新，得到社交层预聚合模型参数更新，全局聚合器聚合所有社交分组的社交层预聚合模型参数更新，得到全局聚合模型。本发明能在满足定制化
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116011540 A
(43)申请公布日 2023.04.25
(21)申请号 202211600821.X
(22)申请日 2022.12.13
(71)申请人 西安交通大学
地址 710049
文档评论（0）