[发明专利]联邦边缘学习环境下模型分割优化的隐私数据保护方法在审
| 申请号： | 202310562355.9 | 申请日： | 2023-05-18 |
| 公开（公告）号： | CN116579418A | 公开（公告）日： | 2023-08-11 |
| 发明（设计）人： | 胡海洋;徐帅达;李忠金 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06N3/098 | 分类号： | G06N3/098;G06N3/06;G06N3/04;G06N20/20;G06F21/57;G06F21/62 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱亚冠 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种联邦边缘学习环境下模型分割优化的隐私数据保护方法。本发明结合了隐私安全保护和模型分割动态调整策略，在满足联邦边缘学习计算任务、数据隐私安全性和边缘设备能耗控制的条件下，使得联邦边缘学习效率最大化，并提供模型分割动态调整策略。首先根据模型反演找到满足数据隐私安全性的模型分割安全点，在满足数据安全性的条件下，找到一个边缘设备能耗和训练效率的模型分割平衡点。在平衡点处进行模型分割部署的初始化。然后在训练和推理的过程中根据边缘设备的资源分配需求，动态调整模型分割点，满足复杂环境下模型训练效率最大化以及资源动态调整的需求。 | ||
| 搜索关键词： | 联邦 边缘 学习 环境 模型 分割 优化 隐私 数据 保护 方法 | ||
【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杭州电子科技大学，未经杭州电子科技大学许可，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/202310562355.9/，转载请声明来源钻瓜专利网。
