公开(公告)号：CN115906153A

公开(公告)日：2023-04-04

申请号：CN202211357345.3

申请日：2022-11-01

Applicant: 中国科学院信息工程研究所

Inventor： 肖文杰 ,  汤学海 ,  董扬琛 ,  赵序光 ,  冯远航 ,  张潇丹 ,  韩冀中 ,  虎嵩林

IPC: G06F21/62 ,  G06F18/241 ,  G06N20/00

Abstract: 本发明公开了一种面向样本不均衡场景下的联邦学习优化方法、装置及系统。所述方法包括：获取各参与者的本地训练样本集中的样本数量；生成业务初始模型；基于各参与者的本地训练样本集对所述业务初始模型进行联合学习训练，得到一全局模型；将所述全局模型分发各参与者，以使所述样本数量不小于一阈值的参与者将所述全局模型作为最终模型，以及所述样本数量小于所述阈值的参与者基于本地数据对所述全局模型进行迭代优化，并将训练后的模型作为最终模型。本发明更好的实现了参与者在样本不均衡场景下的数据安全共享和高效合作建模。

公开(公告)号：CN116796830A

公开(公告)日：2023-09-22

申请号：CN202310514953.9

申请日：2023-05-09

Applicant: 中国科学院信息工程研究所

Inventor： 肖文杰 ,  程涛 ,  汤学海 ,  董扬琛 ,  冯远航 ,  张潇丹 ,  韩冀中 ,  虎嵩林

IPC: G06N3/098 ,  G06F3/06 ,  G06F21/62

Abstract: 本公开涉及一种基于区块链的拜占庭鲁棒联邦学习方法及系统，所述方法不仅基于反馈机制的委员会聚合算法，通过在每一轮的学习过程中选出一个委员会节点进行模型更新的贡献度计算，且依据每个节点的贡献度决定聚合策略从而降低恶意模型更新对全局模型的影响，还在聚合阶段完成后会增加一轮反馈验证，只有大部分节点验证认可了本次聚合的全局模型，训练才会正式进入下一轮。本发明解决了中央服务器的不可信问题，并可以用于抵御恶意客户端的中毒攻击。