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多客户分区的联邦遗忘学习方法，包括以下步骤：根据客户数据的分布情况结合分区策略算法生成P个不同的分区策略，每个分区策略将其内的客户集C＝∪k∈[K]Ck分为多个子集G；基于联邦学习协议，为每个子集训练一个单独的子集模型，并聚合子集模型为全局模型将符合遗忘请求的客户的子集模型失效，并根据重训练方法对受影响子集中的剩余数据进行多轮重新训练，并生成新的全局模型。通过提出的具有多个客户分区策略的联邦遗忘框架，以使全局模型能够有效地忘记目标客户的数据并有效地保持性能；通过重训练方法，可
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117556918A
(43)申请公布日2024.02.13
(21)申请号202311306242.9
(22)申请日2023.10.10
(71)申请人苏州大学
地址215000
文档评论（0）