摘要
本发明涉及一种基于学习行为的个性化区块链联邦学习方法,在联邦学习过程中利用各客户端的学习行为及学习知识进行监控和检验,为每个客户端提供个性化的学习结果。本发明对于联邦学习中所使用的训练算法没有限定和要求,可以支持对任意训练过程的防御。本发明利用客户端在本地训练模型时的行为及学习知识来构建学习过程模型,并结合学习过程监控机制,能够有效地降低低质量模型或者恶意模型的影响,而且在恶意客户端超过半数时,仍能有效保证安全性。同时在监控过程中,为每个客户端建立知识库,在联邦学习进程结束后,结合客户端的本地知识进行知识库检验,为每个客户端提供一个个性化的知识库以在后续进行安全的个性化的预测。
技术关键词
客户端
联邦学习方法
样本
皮尔逊相关系数
更新模型参数
三元组
特征提取器
节点
训练算法
模型更新
数据
符号
进程
机制
代表
阶段
系统为您推荐了相关专利信息
样本
神经网络模型
模型预测值
鲁棒性
神经网络训练
长短期记忆神经网络
面向卫星网络
服务器节点
网络入侵检测模型
标签
图像分类方法
训练样本集
机器学习分类器
多级分类器
图像分类模型训练
低空无人机
统计系统
建筑物三维模型
航迹信息
高精度地图数据
分类方法
电能
粒子群优化算法
Softmax分类器
样本