基于可信沙盒的联邦学习模型训练方法、装置及电子设备
基本信息
| 申请号 | CN202210068424.6 | 申请日 | - |
| 公开（公告）号 | CN114579957A | 公开（公告）日 | 2022-06-03 |
| 申请公布号 | CN114579957A | 申请公布日 | 2022-06-03 |
| 分类号 | G06F21/53;G06F21/62;G06F21/64;G06N20/20 | 分类 | 计算；推算；计数; |
| 发明人 | 邱雪松;任殷林;沈韬;郭少勇;冯艳;亓峰;阮琳娜;张克勤;杨国铭;柏粉花;张驰 | 申请（专利权）人 | 云南省科学技术院 |
| 代理机构 | 北京路浩知识产权代理有限公司 | 代理人 | 程琛 |
| 地址 | 100876 北京市海淀区西土城路10号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于可信沙盒的联邦学习模型训练方法、装置及电子设备，该方法，包括：在确定MEC服务器属于已创建的可信沙盒的情况下，将MEC服务器对应的第一设备信息，以及与MEC服务器通信连接的多个本地设备所对应的第二设备信息，发送至区块链平台进行注册；基于区块链平台广播的节点选择请求，确定用于联邦学习的多个目标本地设备；接收区块链平台发送的全局模型和训练请求，控制多个目标本地设备，基于训练请求对全局模型进行训练，得到本地模型；将本地模型进行聚合，得到新全局模型。本发明提供的基于可信沙盒的联邦学习模型训练方法、装置及电子设备，可以解决现有技术中区块链平台的模型训练数据的隐私保护问题。 |
