[发明专利]一种对抗通信噪声的联邦学习方法和系统

权利要求书

1.一种对抗通信噪声的联邦学习方法，其特征在于，包括：

各个计算节点分别通过无线信道传输对应的本地训练模型；

中心节点将各个通过无线信道传输后的本地训练模型进行加权平均运算后，得到全局训练模型，并将所述全局训练模型通过无线信道广播至各个计算节点；

各个计算节点基于接收到的模型和损失函数进行梯度下降计算，直至收敛。

2.根据权利要求1所述的方法，其特征在于，所述各个计算节点分别通过无线信道传输对应的本地训练模型，包括：

N个计算节点分别通过无线信道传输本地训练模型w₁,w₂,...,w_N。

3.根据权利要求2所述的方法，其特征在于，所述中心节点将各个通过无线信道传输后的本地训练模型进行加权平均运算后，得到全局训练模型，包括：

对于第t次传输过程，所述中心节点基于公式得到全局训练模型，其中，Δw^t是本次无线信道传输带来的噪声，其满足||Δw||²≤σ²，σ²为常数。

4.根据权利要求3所述的方法，其特征在于，对于第t次传输过程，第j个节点接收的模型为：

其中，是本次无线信道传输带来的噪声，其满足为常数。

5.根据权利要求4所述的方法，其特征在于，所述损失函数为：

其中，ρ^t∈(0,1]，λ为设定的参数，F_j(·)为与计算节点j中的样本相关的函数，为满足的任意取值，其中，为梯度累计函数，表示为

6.一种对抗通信噪声的联邦学习系统，其特征在于，包括：多个计算节点和一个中心节点；其中：

计算节点，用于通过无线信道传输对应的本地训练模型；

中心节点，用于将各个通过无线信道传输后的本地训练模型进行加权平均运算后，得到全局训练模型，并将所述全局训练模型通过无线信道广播至各个计算节点；

计算节点，还用于基于接收到的模型和损失函数进行梯度下降计算，直至收敛。

7.根据权利要求6所述的系统，其特征在于，N个计算节点具体用于分别通过无线信道传输本地训练模型w₁,w₂,...,w_N。

8.根据权利要求7所述的系统，其特征在于，所述中心节点具体用于：

对于第t次传输过程，基于公式得到全局训练模型，其中，Δw^t是本次无线信道传输带来的噪声，其满足||Δw||²≤σ²，σ²为常数。

9.根据权利要求8所述的系统，其特征在于，对于第t次传输过程，第j个节点接收的模型为：

其中，是本次无线信道传输带来的噪声，其满足为常数。

10.根据权利要求9所述的系统，其特征在于，所述损失函数为：

其中，ρ^t∈(0,1]，λ为设定的参数，F_j(·)为与计算节点j中的样本相关的函数，为满足的任意取值，其中，为梯度累计函数，表示为