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
本发明实施例公开了一种基于联邦学习的模型训练方法、计算机设备及存储介质。其中，方法包括：生成与联邦学习系统中的各参与方分别对应的唯一识别码，并将各唯一识别码分别下发至匹配的参与方，唯一识别码用于指示各参与方生成匹配的掩码；接收各参与方上传的本地加密训练模型，本地加密训练模型为各参与方对叠加掩码后的本地训练模型进行加密得到的；按照预设的掩码抵消算法，对本地加密训练模型进行融合计算，得到融合后的完整加密训练模型；对完整加密训练模型进行单次解密，得到目标训练模型。本发明实施例的方案，可以实现多参与方对
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112287377 A
(43)申请公布日 2021.01.29
(21)申请号 202011337584.3
(22)申请日 2020.11.25
(71)申请人 南京星环智能科技有限公司
文档评论（0）