公开(公告)号：CN116502709A

公开(公告)日：2023-07-28

申请号：CN202310755582.3

申请日：2023-06-26

Applicant: 浙江大学滨江研究院

Inventor： 韩蒙 ,  李荣昌 ,  章燕 ,  张龙源 ,  林昶廷 ,  尹建伟

IPC: G06N3/098 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/762 ,  G06F21/62

Abstract: 本发明公开了一种异质性联邦学习方法和装置，每轮异质性联邦学习依序执行可见域知识融合、扩散域数据生成以及扩散域知识融合阶段；在可见域知识融合阶段，通过图卷积神经网络对本地样本驱动的激活拓扑网络图进行图嵌入表示，更加真实反映联邦学习中不同参与方的数据异质性，通过利用知识迁移方式将簇内模型知识融合到不同簇的参与方，有效提升不同参与方的模型泛化性，提升模型的预测效果；在扩散域数据生成阶段，通过参与方在本地数据提取的特征生成扩散样本，保留了参与方原始的数据分布；扩散域知识融合阶段，采用扩散域的数据特征融合，可以有效融合不同数据域，缓解不同参与方的数据异质性，加快模型的收敛。