基于联邦学习的模型训练方法、装置及存储介质
基本信息
| 申请号 | CN202210410158.0 | 申请日 | - |
| 公开（公告）号 | CN114760023A | 公开（公告）日 | 2022-07-15 |
| 申请公布号 | CN114760023A | 申请公布日 | 2022-07-15 |
| 分类号 | H04L9/00（2022.01）I;H04L9/08（2006.01）I;H04L9/30（2006.01）I;H04L9/32（2006.01）I;G06F21/60（2013.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 电通信技术; |
| 发明人 | 李钰;樊昕晔;王鹏;田江;向小佳;丁永建;李璠 | 申请（专利权）人 | 光大科技有限公司 |
| 代理机构 | 北京康信知识产权代理有限责任公司 | 代理人 | - |
| 地址 | 100040北京市石景山区石景山路乙18号院1号楼1206 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例提供了一种基于联邦学习的模型训练方法、装置及存储介质，该方法包括：参与联邦学习的第一子节点和第二子节点分别计算本地参数，并分别对所述本地参数进行加密；所述第一子节点和所述第二子节点分别将加密后的所述本地参数发送到区块链网络；所述区块链网络对加密后的所述本地参数进行聚合，根据聚合结果计算全局参数，并将所述全局参数回传给所述第一子节点和所述第二子节点；所述第一子节点和所述第二子节点根据所述全局参数进行参数更新，完成模型训练。通过本发明，解决了相关技术中联邦框架下的模型训练过程中存在数据安全隐患的问题，保证了联邦学习框架下的数据隐私，实现了局部模型权重的安全聚合。 |
