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。 |
