一种基于无中心流式联邦学习的隐私保护方法、系统及终端
基本信息
| 申请号 | CN202210085813.X | 申请日 | - |
| 公开（公告）号 | CN114417420A | 公开（公告）日 | 2022-04-29 |
| 申请公布号 | CN114417420A | 申请公布日 | 2022-04-29 |
| 分类号 | 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 | 杨树森;任雪斌;赵鹏 | 申请（专利权）人 | 杭州卷积云科技有限公司 |
| 代理机构 | 西安通大专利代理有限责任公司 | 代理人 | 张宇鸽 |
| 地址 | 310000浙江省杭州市余杭区仓前街道良睦路1288号6幢302-1室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于无中心流式联邦学习的隐私保护方法、系统及终端，通过边缘节点根据本地的实时数据流进行在线学习，然后基于本地模型参数的变化自适应地决定节点间通信交互时机，在通信交互时对模型参数进行基于拉普拉斯机制的隐私保护后与相邻节点进行广播式交互共享，而非通信交互时刻不进行参数传递以降低通信开销和隐私预算。最终，达到边缘节点在隐私保护的前提下协同地对全局数据流动态的模型训练和更新。本发明在实际大规模的分布式节点协同在线机器学习的隐私保护景中有着较好的应用效果，可用于在车联网驾驶智能、移动社交和在线推荐等应用场景中的数据隐私保护场景中。 |
