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
本发明公开一种提高联邦学习鲁棒性的方法，该方法包括一个异常检测模型和一种参与方节点处置方法，异常检测模型依据参与方节点上传的模型参数判断参与方的异常程度，根据模型参数在空间中分布的稀疏程度以及模型参数距离高密度模型参数群体的远近程度作为参与方模型的异常性特征；结合FCM聚类算法，把联邦系统的参与方节点归为正常节点、可疑节点或者异常节点。参与方节点处置方法的作用是，在模型全局聚合阶段前，根据每个节点所处的类别将其模型参数加权，根据业务需求采用不同的算法将加权后的模型参数聚合。该方法可以检测包括数据
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118095411A
(43)申请公布日2024.05.28
(21)申请号202410076522.3G06F18/2337(2023.01)
文档评论（0）