面向数据驱动认知计算的隐私保护联邦学习方法及系统

    公开(公告)号:CN117521785A

    公开(公告)日:2024-02-06

    申请号:CN202311664012.X

    申请日:2023-12-06

    发明人: 冯笑 袁征

    摘要: 本发明涉及一种面向数据驱动认知计算的隐私保护联邦学习方法及系统,包括以下步骤:基于梯度下降的联邦学习方法对全局模型进行初始化训练;考虑到客户端数据分布和模型需求的相似性,基于改进的低复杂度质心增量BKM算法,降低初始质心灵敏度,并在一定数量的全局训练迭代后根据梯度性能对客户端进行聚类;然后,使用基于软共享的方法对集群中分布相似的客户端进行多任务训练,直到每个客户端获得自定义模型。本发明可以有效地考虑数据分布和模型需求的差异,并解决了传统FMTL中单一共享模型的问题。