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
本发明公开一种基于重要梯度保护的差分隐私联邦动态聚合方法及系统，构建基于稀疏向量的梯度噪声添加方式，基于本地模型训练损失函数和客户端本地数据量，计算梯度的动态聚合权重，最后实现全局模型的梯度聚合。由于对原始梯度加入大量差分隐私噪声，梯度所包含的信息会严重失真，导致联邦学习全局模型准确率大幅度降低，甚至使全局模型失去可用性。对于每个本地客户端来说，客户端更新的大多数梯度值都极小，只有包含重要参数更新信息的梯度才有被保护的价值。因此，仅对部分重要梯度添加隐私噪声能够防止噪声添加过多，提高全局模型准确
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117521781A
(43)申请公布日2024.02.06
(21)申请号202311575005.2G06F21/62(2013.01)
(22)申请日2023.11.
文档评论（0）