去中心化的联邦学习方法、系统及相关设备

AITNT
正文
推荐专利
去中心化的联邦学习方法、系统及相关设备
申请号:CN202411473105
申请日期:2024-10-22
公开号:CN118982064B
公开日期:2025-03-11
类型:发明专利
摘要
本申请公开了去中心化的联邦学习方法、系统及相关设备,涉及计算机技术领域,包括:联邦学习的组织者和参与者加入区块链;组织者将参与者划分为普通节点和委员会节点;各节点基于区块链获取联邦学习任务配置信息和待训练的全局模型并进行本地模型更新获得前一轮次训练完成后的本地模型;普通节点对前一轮次训练完成后的本地模型进行训练获得当前轮次的本地训练模型并上传至区块链;委员会节点通过区块链获取本地训练模型以确定普通节点的贡献度评分及当前轮次训练完成后的全局模型,并确定委员会节点对应的贡献度评分;响应于触发委员会节点更新事件,组织者重新进行节点身份划分。如此,有利于提高联邦学习过程中模型训练的准确性。
技术关键词
联邦学习方法 节点更新 联邦学习系统 模型更新 节点控制模块 智能终端 模型训练模块 可读存储介质 处理器 身份 程序 存储器 计算机 因子 数据 对象 信号
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号