[发明专利]一种基于堆栈自动编码器的联邦学习方法、装置及系统

权利要求书

1.一种基于堆栈自动编码器的联邦学习方法，其特征在于，应用于子节点，包括：

通过堆栈自动编码器对目标图像数据进行加密，得到加密后的图像数据；

将所述加密后的图像数据发送给中心节点，以使所述中心节点根据多个所述子节点的加密后的图像数据对图像分类模型进行训练。

2.根据权利要求1所述的方法，其特征在于，通过堆栈自动编码器对目标图像数据进行加密，得到加密后的图像数据包括：

根据预设数量的图像数据训练所述堆栈自动编码器，得到训练好的自动编码器；

根据所述自动编码器提取代表所述目标图像数据的核心特征的编码数组，其中，所述加密后的图像数据为所述编码数组。

3.根据权利要求2所述的方法，其特征在于，根据所述自动编码器提取代表所述目标图像数据的核心特征的编码数组包括：

将所述目标图像数据输入所述自动编码器；

通过所述自动编码器计算所述目标图像数据中每个图像数据的均方误差；

根据所述均方误差过滤所述目标图像数据中的异常数据，得到所述编码数组。

4.根据权利要求3所述的方法，其特征在于，根据所述均方误差过滤所述目标图像数据中的异常数据，得到所述编码数组包括：

将所述每个图像数据的所述均方误差与预先设置的阈值进行对比，得到对比结果；

将所述目标图像数据中所述对比结果为大于预先设置的阈值的图像数据确定为异常数据；

对所述异常数据进行过滤。

5.一种基于堆栈自动编码器的联邦学习方法，其特征在于，应用于中心节点，包括：

接收多个子节点发送的加密后的图像数据，其中，所述加密后的图像数据是所述多个子节点通过堆栈自动编码器对目标图像数据进行加密得到的；

根据所述多个子节点的所述加密后的图像数据对图像分类模型进行训练。

6.根据权利要求5所述的方法，其特征在于，根据所述多个子节点的所述加密后的图像数据对图像分类模型进行训练包括：

将所述多个子节点的所述编码数组输入卷积神经网络模型中，对所述卷积神经网络模型进行训练，得到训练好的用于图像分类的目标卷积神经网络模型。

7.一种基于堆栈自动编码器的联邦学习装置，其特征在于，应用于子节点，包括：

加密模块，用于通过堆栈自动编码器对目标图像数据进行加密，得到加密后的图像数据；

发送模块，用于将所述加密后的图像数据发送给中心节点，以使所述中心节点根据多个所述子节点的加密后的图像数据对图像分类模型进行训练。

8.一种基于堆栈自动编码器的联邦学习装置，其特征在于，应用于中心节点，包括：

接收模块，用于接收多个子节点发送的加密后的图像数据，其中，所述加密后的图像数据是所述多个子节点通过堆栈自动编码器对目标图像数据进行加密得到的；

训练模块，用于根据所述多个子节点的所述加密后的图像数据对图像分类模型进行训练。

9.一种基于堆栈自动编码器的联邦学习系统，其特征在于，包括：多个子节点与中心节点，其中，所述多个子节点均与所述中心节点连接，

所述多个子节点，用于分别通过堆栈自动编码器对目标图像数据进行加密，得到加密后的图像数据，将所述加密后的图像数据发送给所述中心节点；

所述中心节点，用于根据所述多个子节点的加密后的图像数据对图像分类模型进行训练。

10.根据权利要求9所述的系统，其特征在于，

所述多个子节点，还用于分别根据预设数量的图像数据训练所述堆栈自动编码器，得到训练好的自动编码器，根据所述自动编码器提取代表所述目标图像数据的核心特征的编码数组，其中，所述加密后的图像数据为所述编码数组。