[发明专利]基于联邦学习的模型参数的确定方法及装置有效
| 申请号： | 201910507242.2 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110276210B | 公开（公告）日： | 2021-04-23 |
| 发明（设计）人： | 范涛;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： | G06F21/62 | 分类号： | G06F21/62 |
| 代理公司： | 北京同达信恒知识产权代理有限公司 11291 | 代理人： | 黄志华 |
| 地址： | 518027 广东省深圳市*** | 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： | 本申请公开了一种基于联邦学习的模型参数的确定方法及装置。该方法中第二终端接收第一终端发送的第一加密数据，第一加密数据为第一终端根据预设加密算法对标签数据进行加密后得到的；根据第一加密数据、样本特征数据和样本特征数据的当前特征参数，采用预设算法，获取包括加密梯度值和加密损失值的第二加密数据，接收第一终端根据第二加密数据发送的第一梯度值和第一损失值；根据第一梯度值和样本特征数据的当前特征参数，采用预设特征参数算法，获取第一特征参数；若根据第一损失值，检测出第一特征参数处于收敛状态，则将第一特征参数确定为待训练的样本模型的模型参数。该方法不需要第三方的协作者，提高了训练效率。 | ||
| 搜索关键词： | 基于 联邦 学习 模型 参数 确定 方法 装置 | ||
【主权项】：
1.一种基于联邦学习的模型参数的确定方法，其特征在于，所述方法包括：第二终端接收第一终端发送的第一加密数据，所述第一加密数据为所述第一终端根据预设加密算法对标签数据进行加密后得到的；所述标签数据为所述第一终端中任一样本的标签数据，所述标签数据是描述样本行为达到的程度的数据；根据所述第一加密数据、所述第二终端的样本特征数据和所述样本特征数据的当前特征参数，采用预设算法，获取第二加密数据，所述第二加密数据包括加密梯度值和加密损失值，所述预设算法包括预设梯度值算法和预设损失值算法，所述样本特征数据是样本行为的特征数据；向所述第一终端发送所述第二加密数据；接收所述第一终端根据所述第二加密数据发送的第一梯度值和第一损失值；根据所述第一梯度值和所述样本特征数据的当前特征参数，采用预设特征参数算法，获取第一特征参数；若根据所述第一损失值，检测出所述第一特征参数处于收敛状态，则将所述第一特征参数确定为待训练的样本模型的模型参数。
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/201910507242.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种告警方法及移动终端
- 下一篇：一种基于决策树的位置隐私保护方法及系统
