CN110443063A 自适性保护隐私的联邦深度学习的方法 （电子科技大学）.docxVIP

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN110443063A

(43)申请公布日2019.11.12

(21)申请号201910563455.7

(22)申请日2019.06.26

(71)申请人电子科技大学

地址611731四川省成都市高新区（西区）

西源大道2006号

(72)发明人李洪伟刘小源徐国文刘森龚丽姜文博成艺任彦之

李双

(74)专利代理机构电子科技大学专利中心51203

代理人邹裕蓉

(51)Int.Cl.

G06F21/62(2013.01)

G06N20/00(2019.01)

权利要求书1页说明书5页附图1页

(54)发明名称

自适性保护隐私的联邦深度学习的方法

(57)摘要

CN110443063A本发明提出一种自适性保护隐私的联邦深度学习的方法，以保护联邦深度学习中用户的原始数据不被好奇的服务器获知，同时保护学习模型的参数不泄露用户原始数据的信息。各个参与者预先与云服务器协商一个网络框架，然后云服务器得到一个初始化的模型，云服务器将该模型参数广播给各个参与者；参与者下载初始化的模型参数并更新自己的本地模型，然后结合本地数据集进行训练，并基于数据属性对模型输出的不同贡献度，对不同数据特征实施有差异的隐私保护操作，参与者将各自训练得到的本地梯度发送给云