[发明专利]联邦模型训练方法、系统、设备及计算机可读存储介质在审
| 申请号： | 201910121269.8 | 申请日： | 2019-02-18 |
| 公开（公告）号： | CN109871702A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 黄安埠;刘洋;陈天健;杨强 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06F21/60 | 分类号： | G06F21/60;G06K9/62 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国;魏兰 |
| 地址： | 518052 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种联邦模型训练方法、系统、设备及计算机可读存储介质，该方法包括步骤：当协作终端接收到多个客户终端分别发送的模型参数后，根据预设的获取规则，获取每个模型参数对应的权重系数；根据多个模型参数及每个模型参数对应的权重系数，聚合得到第二全局模型；检测第二全局模型是否收敛；若检测到第二全局模型处于收敛状态，则将第二全局模型确定为联邦模型训练的最终结果，并下发参数加密的第二全局模型至多个客户终端。本发明实现了协作终端根据每个客户终端的模型参数及其权重系数来更新得到新的全局模型，提升了联邦模型的预测效果。 | ||
| 搜索关键词： | 全局模型 模型参数 联邦模型 客户终端 权重系数 计算机可读存储介质 协作终端 参数加密 收敛状态 最终结果 检测 预设 聚合 收敛 发送 预测 更新 | ||
【主权项】：
1.一种联邦模型训练方法，其特征在于，所述联邦模型训练方法包括以下步骤：当协作终端接收到多个客户终端分别发送的模型参数后，根据预设的获取规则，获取每个模型参数对应的权重系数；其中，所述模型参数是客户终端根据协作终端下发的参数加密的第一全局模型进行联邦模型训练得到的，所述权重系数是基于所述模型参数对应的预测模型的预测准确性确定的；根据多个模型参数及每个模型参数对应的权重系数，聚合得到第二全局模型；检测所述第二全局模型是否收敛；若检测到所述第二全局模型处于收敛状态，则将所述第二全局模型确定为联邦模型训练的最终结果，并下发参数加密的第二全局模型至所述多个客户终端。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910121269.8/，转载请声明来源钻瓜专利网。
