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
本发明涉及一种基于联邦学习的大模型方法，通过联邦学习和知识蒸馏分别实现了隐私保护和知识转移。实现方法分为两部分，分别是在边缘运行的局部训练算法和在中心服务器运行的全局训练算法。对于局部训练算法，边缘客户端基于私有数据集和边缘损失函数交替训练小模型的判别器和生成器；对于全局训练算法，中心服务器基于中心核对齐算法对边缘客户端聚类分组，然后使用虚拟数据集和全局知识蒸馏损失函数交替训练大模型的判别器和生成器。本发明提出了针对大模型训练设计的边缘损失函数和全局知识蒸馏损失函数，为资源受限且数据不共享的边缘
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117910591A
(43)申请公布日2024.04.19
(21)申请号202311678759.0
(22)申请日2023.12.08
(71)申请人浙江大学
地址310012
文档评论（0）