摘要
本发明公开了一种基于生成对抗网络的物联网安全方法,包括:构建联邦学习模型,所述联邦学习模型包括服务器和客户端,基于服务端和客户端对生成对抗网络进行训练,获取训练结果,其中,对所述基于服务端和客户端对生成对抗网络进行训练包括:S1、获取服务器端初始参数;S2、对所述初始参数进行选择,获取客户端特征数据;S3、利用客户端特征数据对客户端本地模型进行训练,获取训练结果;S4、对所述初始参数和所述训练结果进行联邦聚合,获取合成特征;S5、基于所述合成特征对服务器端分类器进行训练,获取当前全局模型参数;S6、对所述当前全局模型参数进行选择,重复步骤S2‑S5,直至全局模型参数满足预设条件,则终止迭代。
技术关键词
生成对抗网络
客户端特征
联邦学习模型
特征提取器
分类器参数
服务端
数据
GAN模型
服务器
噪声
系统为您推荐了相关专利信息
裂缝网络
生成对抗网络模型
噪声样本
生成器网络
图像
响应优化方法
深度强化学习
空余计算资源
节点
电网系统
配电网参数
整定计算方法
分布式光伏发电
光伏发电数据
配电网运行数据
平行语料库
文本
智能对话系统
人物特征数据
模型训练方法
生成对抗网络
图像生成方法
多阶段
方位角
属性散射中心模型