[发明专利]基于非对称联邦学习的模型联合训练方法、装置及设备有效
| 申请号： | 202110427675.4 | 申请日： | 2021-04-21 |
| 公开（公告）号： | CN112990484B | 公开（公告）日： | 2021-07-20 |
| 发明（设计）人： | 陈程;刘站奇;叶俊棋 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06K9/62 |
| 代理公司： | 北京三高永信知识产权代理有限责任公司 11138 | 代理人： | 祝亚男 |
| 地址： | 518057 广东省深圳*** | 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： | 本申请实施例公开了一种基于非对称联邦学习的模型联合训练方法、装置及设备，属于计算机技术领域。该方法包括：获取本地存储的多个第一样本数据及对应的第一样本标识和指示标识，对所述多个第一样本数据进行分类，并确定第一分类信息，向第一设备发送获取到的多个第一样本标识和对应的加密指示标识，接收所述第一设备发送的第二分类信息，基于所述第一分类信息和所述第二分类信息训练所述分类模型。本申请实施例提供了一种联合训练分类模型的方式，在训练分类模型的过程中，其他提供方分享给当前提供方的分类信息中仅包括了样本数据对应的加密指示标识，使得当前提供方无法基于分类信息来推测出样本数据，避免了信息泄露，从而提高了安全性。 | ||
| 搜索关键词： | 基于 对称 联邦 学习 模型 联合 训练 方法 装置 设备 | ||
【主权项】：
暂无信息
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）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/202110427675.4/，转载请声明来源钻瓜专利网。
