-
公开(公告)号：CN116614273A
公开(公告)日：2023-08-18
申请号：CN202310585446.4
申请日：2023-05-23
申请人： 国网江苏省电力有限公司信息通信分公司
摘要： 本发明提出一种基于CP‑ABE的对等网络中联邦学习数据共享模型及其构建方法，该模型包括参与方、访问控制模块和联邦学习模块；该方法包括：1）创建访问控制树，基于属性加密技术，采用结合随机多项式的门限访问策略筛选参与方；2）参与方使用私钥和解密公式解密密文，取得含有初始训练任务及训练参数的明文，参与方加入循环队列，构建对等网络；3）在对等网络结构下，组建参与方组成的循环队列，确定联邦学习中训练参数的传递方向，构建联邦学习训练架构；4）启动联合训练，在对等网络中采用参数传递运算评测方式进行模型及参数更新，使模型达到收敛标准；5）设置最佳模型参数，预测测试数据，观测预测精度及评估指标，评估共享模型的性能。
-
公开(公告)号：CN116614273B
公开(公告)日：2024-03-19
申请号：CN202310585446.4
申请日：2023-05-23
申请人： 国网江苏省电力有限公司信息通信分公司
摘要： 本发明提出一种基于CP‑ABE的对等网络中联邦学习数据共享模型及其构建方法，该模型包括参与方、访问控制模块和联邦学习模块；该方法包括：1）创建访问控制树，基于属性加密技术，采用结合随机多项式的门限访问策略筛选参与方；2）参与方使用私钥和解密公式解密密文，取得含有初始训练任务及训练参数的明文，参与方加入循环队列，构建对等网络；3）在对等网络结构下，组建参与方组成的循环队列，确定联邦学习中训练参数的传递方向，构建联邦学习训练架构；4）启动联合训练，在对等网络中采用参数传递运算评测方式进行模型及参数更新，使模型达到收敛标准；5）设置最佳模型参数，预测测试数据，观测预测精度及评估指标，评估共享模型的性能。
-
公开(公告)号：CN115775010B
公开(公告)日：2024-03-19
申请号：CN202211470177.9
申请日：2022-11-23
申请人： 国网江苏省电力有限公司信息通信分公司
摘要： 本发明公开了基于横向联邦学习的电力数据共享方法，首先构建C/S通信模式的横向联邦学习框架，并进行如下分布式训练：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；其次根据测试数据对分布式训练完成的模型进行验证测试与评估，实现数据的精准预测。本发明在共享时不影响数据的使用，同时保护各参与方的隐私信息，能解决电力数据的数据融合及共享安全问题。
-
公开(公告)号：CN115775010A
公开(公告)日：2023-03-10
申请号：CN202211470177.9
申请日：2022-11-23
申请人： 国网江苏省电力有限公司信息通信分公司
摘要： 本发明公开了基于横向联邦学习的电力数据共享方法，首先构建C/S通信模式的横向联邦学习框架，并进行如下分布式训练：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；其次根据测试数据对分布式训练完成的模型进行验证测试与评估，实现数据的精准预测。本发明在共享时不影响数据的使用，同时保护各参与方的隐私信息，能解决电力数据的数据融合及共享安全问题。
-
-
-
搜索结果
4 条记录 (耗时 0.041 秒)