基于联邦学习的模型训练方法、装置、系统、设备和介质
基本信息
| 申请号 | CN202110799022.9 | 申请日 | - |
| 公开（公告）号 | CN113537512A | 公开（公告）日 | 2021-10-22 |
| 申请公布号 | CN113537512A | 申请公布日 | 2021-10-22 |
| 分类号 | G06N20/00（2019.01）I;G06F21/60（2013.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陈录城;李晓璐;张成龙;孙明;贾淇超;诸葛慧玲 | 申请（专利权）人 | 卡奥斯物联科技股份有限公司 |
| 代理机构 | 北京品源专利代理有限公司 | 代理人 | 康亚健 |
| 地址 | 266510山东省青岛市黄岛区团结路2877号中德生态园管委会257房间 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例涉及一种基于联邦学习的模型训练方法、装置、系统、设备和介质，具体涉及机器学习技术领域，方法包括：基于联邦学习的模型训练方法，其特征在于，由各私有云端服务器执行，包括：获取本地数据，将所获取的本地数据经过本地模型识别后，根据识别结果生成样本集共享给公有云端服务器，以使所述公有云端服务器采用所述样本集对联合模型进行训练并共享所述联合模型，其中所述样本集的数据量小于所述本地数据的数据量；下载所述联合模型，用所下载的联合模型替换本地模型。本发明实施例的技术方案能够在避免大量工业数据泄露的同时，保证了模型训练的效果。 |
