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。