基于非交集差分隐私联邦学习的卷积神经网络训练方法.pdfVIP

  • 3
  • 0
  • 约2万字
  • 约 17页
  • 2023-11-22 发布于四川
  • 举报

基于非交集差分隐私联邦学习的卷积神经网络训练方法.pdf

本发明公开了一种基于非交集差分隐私联邦学习的卷积神经网络训练方法,主要解决现有技术训练的卷积神经网络模型隐私保护能力低、模型分类精度低的问题。其实现方案为:构建联邦学习系统;客户端初始化联邦学习训练数据集;客户端初始化卷积神经网络模型;客户端初始化本地卷积神经网络模型及本地隐私预算值;客户端对本地卷积神经网络模型进行迭代训练;客户端计算训练后本地模型的非交集元素;客户端根据非交集元素结果对量化后本地模型添加噪声;中央服务器通过聚合添加噪声后的本地卷积神经网络模型对卷积神经网络模型进行迭代训练,得

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117095227 A (43)申请公布日 2023.11.21 (21)申请号 202311116879.1 G06N 3/08 (2023.01) (22)申请日 2023.08.3

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档