摘要
本发明提供基于关键学习期识别的同态加密联邦学习通信成本控制方法和系统,从网络内部识别对同态加密联邦学习模型训练的服务器允许连接的客户端集群,并对客户端集群进行监听,得到所有客户端各自的工作状态特征信息;还从训练过程中监听得到模型的损失值变化数据,以此区分确定模型在训练过程中的关键学习期和非关键学习期;基于关键学习期和非关键学习期各自的时间属性信息,确定模型在训练过程中的客户端连接变更信息,对客户端的连接变化进行定量标定;还基于客户端连接变更信息和工作状态特征信息,调整服务器与客户端的通信连接状态,有效减少模型训练的通信开销,同时不会影响模型的精度,确保同态加密联邦学习模型的工作可靠性和安全性。
技术关键词
联邦学习模型
客户端
加密
服务器
集群
损失率
网络
网关
识别模块
通信带宽
控制系统
数据
周期
阶段
身份
频率
模式
速度
精度
系统为您推荐了相关专利信息
信息管理方法
模糊逻辑算法
数据访问权限
身份验证
椭圆曲线加密算法
电池检测设备
备份
人机交互界面
网络通信模块
恢复系统
模式切换控制单元
传输待传输数据
芯片
互联交换方法
网格拓扑结构
装配式建筑外墙
渗漏检测方法
填充剂
施工安装工艺
渗漏检测系统