一种基于条件隐私集合求交的联邦学习模型训练方法
基本信息
申请号 | CN202210012540.6 | 申请日 | - |
公开(公告)号 | CN114386069A | 公开(公告)日 | 2022-04-22 |
申请公布号 | CN114386069A | 申请公布日 | 2022-04-22 |
分类号 | G06F21/60(2013.01)I;G06F21/62(2013.01)I;G06K9/62(2022.01)I;G06N20/00(2019.01)I | 分类 | 计算;推算;计数; |
发明人 | 蔡超超;单进勇;王昊昱;牛子儒;凌国玮 | 申请(专利权)人 | 北京数牍科技有限公司 |
代理机构 | 重庆辉腾律师事务所 | 代理人 | 王海军 |
地址 | 100083北京市海淀区成府路28号10层2-1002 | ||
法律状态 | - |
摘要
摘要 | 本发明属于数据安全技术领域,具体涉及一种基于条件隐私集合求交的联邦学习模型训练方法,该方法包括:客户端和服务端采用条件隐私集合求交协议对各自的数据进行处理,得到训练数据集;客户端和服务端分别初始化模型训练参数;根据初始化模型训练参数以及训练数据集进行模型训练;本发明提出的联邦学习模型训练方法中加入了差分隐私技术,使服务端无法从得到的模型推测其训练数据,安全的保护了两方数据,同时也帮助客户端得到目标模型。 |
