面向大规模产业链隐私计算的联邦学习模型训练方法

    公开(公告)号:CN114169412A

    公开(公告)日:2022-03-11

    申请号:CN202111397160.0

    申请日:2021-11-23

    IPC分类号: G06K9/62 G06N20/00

    摘要: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括:由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集,并分发至多个联邦学习工人节点;联邦学习工人节点基于目标利润函数迭代训练本地模型;聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后,根据各个本地模型权重分布和整体本地模型权重分布,计算每个联邦学习工人节点对应的地动距离,并剔除超过预设距离阈值的联邦学习工人节点;由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除,减少异质性数据带来的精度损失,提高了传统算法在产业链中的应用可靠性。

    一种云服务交易的可信协商方法及装置

    公开(公告)号:CN111866062B

    公开(公告)日:2021-08-31

    申请号:CN202010491662.9

    申请日:2020-06-02

    IPC分类号: H04L29/08 G06Q40/04

    摘要: 本发明实施例提供一种云服务交易的可信协商方法及装置,该方法包括:根据用户云服务交易申请信息和用户综合信用度信息确定资格用户列表;根据资格用户列表进行云资源模拟分配优化,得到优化后的目标用户列表;与目标用户列表中的所有用户进行价格协商,直至满足预设条件,得到用户云服务交易成交价格。通过权衡用户的综合信用度信息对云平台提供服务的用户进行合理筛选,选取可信度更高的用户,提高判断与辨别服务消费者可信性的能力,保证交易可信度,同时通过云资源模拟分配对经过可信度筛选的用户进行再次筛选,保持云资源的最优分配,最后与用户进行动态让步协商,达成云资源的交易。

    一种云服务交易的可信协商方法及装置

    公开(公告)号:CN111866062A

    公开(公告)日:2020-10-30

    申请号:CN202010491662.9

    申请日:2020-06-02

    IPC分类号: H04L29/08 G06Q40/04

    摘要: 本发明实施例提供一种云服务交易的可信协商方法及装置,该方法包括:根据用户云服务交易申请信息和用户综合信用度信息确定资格用户列表;根据资格用户列表进行云资源模拟分配优化,得到优化后的目标用户列表;与目标用户列表中的所有用户进行价格协商,直至满足预设条件,得到用户云服务交易成交价格。通过权衡用户的综合信用度信息对云平台提供服务的用户进行合理筛选,选取可信度更高的用户,提高判断与辨别服务消费者可信性的能力,保证交易可信度,同时通过云资源模拟分配对经过可信度筛选的用户进行再次筛选,保持云资源的最优分配,最后与用户进行动态让步协商,达成云资源的交易。