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
本公开实施例是关于一种层级隐私保护的联邦深度学习方法。本公开实施例可以将本地模型的特征空间划分为局部子空间和全局子空间，通过引入最大化子空间分离准则，分别获得用于联邦学习交流的共享表示和用于本地分类的私有表示。将客户端的隐私特征划分为多等级的隐私分层，分别参与联邦学习全局多用户的交流和本地私有表示的更新。本方法将联邦学习引入数据挖掘领域，不仅保护了用户数据的隐私安全，而且促进了个性化研究的发展进程。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117350369A
(43)申请公布日2024.01.05
(21)申请号202311204605.8
(22)申请日2023.09.18
(71)申请人西北工业大学
地址710072
文档评论（0）