[发明专利]一种基于神经网络架构搜索的联邦学习方法及系统

摘要

本发明涉及一种基于神经网络架构搜索的联邦学习方法及系统，该方法包括：中央服务器将搜索空间中神经网络的架构w和权重α发送给参与方设备，发送一个随机的私有密钥给第一个参与方设备；参与方设备基于w和α以及本地数据集进行训练，得到损失值以及w和α的梯度，并更新网络的架构和权重；每个参与方设备将各自w和α进行加密，并通过链式方法传递给下一个参与方；最后一个参与方设备将所有参与方设备的加密w和α发送给中央服务器后，中央服务器进行解密得出聚合的w和α结果，更新全局神经网络w和α，并发送给各个参与方设备继续更新。本发明实现了联邦学习模型训练计算的简化，并提升了联邦学习模型训练的鲁棒性以及降低了模型训练的成本。