去中心化的联邦学习方法、系统及相关设备
技术特征:
1.一种去中心化的联邦学习方法,其特征在于,所述方法包括:
2.根据权利要求1所述的去中心化的联邦学习方法,其特征在于,所述组织者将所述区块链中的参与者划分为普通节点和委员会节点,包括:
3.根据权利要求2所述的去中心化的联邦学习方法,其特征在于,所述方法还包括:
4.根据权利要求2所述的去中心化的联邦学习方法,其特征在于,所述参与者对应的贡献度评分为所述参与者当前轮次的贡献度评分;
5.根据权利要求1所述的去中心化的联邦学习方法,其特征在于,所述委员会节点通过所述区块链获取所述本地训练模型,根据所述本地训练模型确定所述普通节点对应的贡献度评分以及当前轮次训练完成后的全局模型,并根据所述当前轮次训练完成后的全局模型确定所述委员会节点对应的贡献度评分,包括:
6.根据权利要求5所述的去中心化的联邦学习方法,其特征在于,所述方法还包括:
7.根据权利要求1至6任意一项所述的去中心化的联邦学习方法,其特征在于,所述方法还包括:
8.一种去中心化的联邦学习系统,其特征在于,所述系统包括:
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的去中心化的联邦学习程序,所述去中心化的联邦学习程序被所述处理器执行时实现如权利要求1至7任意一项所述去中心化的联邦学习方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有去中心化的联邦学习程序,所述去中心化的联邦学习程序被处理器执行时实现如权利要求1至7任意一项所述去中心化的联邦学习方法的步骤。
技术总结
本申请公开了去中心化的联邦学习方法、系统及相关设备,涉及计算机技术领域,包括:联邦学习的组织者和参与者加入区块链;组织者将参与者划分为普通节点和委员会节点;各节点基于区块链获取联邦学习任务配置信息和待训练的全局模型并进行本地模型更新获得前一轮次训练完成后的本地模型;普通节点对前一轮次训练完成后的本地模型进行训练获得当前轮次的本地训练模型并上传至区块链;委员会节点通过区块链获取本地训练模型以确定普通节点的贡献度评分及当前轮次训练完成后的全局模型,并确定委员会节点对应的贡献度评分;响应于触发委员会节点更新事件,组织者重新进行节点身份划分。如此,有利于提高联邦学习过程中模型训练的准确性。
技术研发人员:刘洋,马国睿,漆舒汉,马雪婷,王轩
受保护的技术使用者:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
技术研发日:
技术公布日:2024/11/21
文档序号 :
【 40072966 】
技术研发人员:刘洋,马国睿,漆舒汉,马雪婷,王轩
技术所有人:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:刘洋,马国睿,漆舒汉,马雪婷,王轩
技术所有人:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
