卫星节点资源异构下的联邦学习模型安全压缩方法及相关设备

AITNT
正文
推荐专利
卫星节点资源异构下的联邦学习模型安全压缩方法及相关设备
申请号:CN202411870164
申请日期:2024-12-18
公开号:CN119940570A
公开日期:2025-05-06
类型:发明专利
摘要
本申请一个或多个实施例提供一种卫星节点资源异构下的联邦学习模型安全压缩方法及相关设备。所述方法包括:基于稀疏矩阵压缩算法对联邦学习模型压缩,得到所述联邦学习模型的第一压缩参数,每个所述第一压缩参数对应一个索引值;分别对所述第一压缩参数和所述索引值压缩和加密;其中,所述第一压缩参数基于拟合算法压缩,并基于同态加密算法加密。通过本申请可以在保证模型的安全性的条件下,提高模型通信效率。
技术关键词
联邦学习模型 Bloom过滤器 同态加密算法 压缩算法 索引 非暂态计算机可读存储介质 参数 复杂度 矩阵 多项式拟合算法 序列 异构 机器学习模型 深度学习模型 中心服务器 通信效率 压缩装置 终端
系统为您推荐了相关专利信息
1
一种门卫式密码应用方法与装置
内容保护 数据保护策略 载荷 密码机 密钥
2
施工区域场景识别方法、装置、设备及存储介质
历史行驶数据 场景识别方法 物体 字典 场景识别装置
3
基于多模态深度学习的网络入侵检测方法和系统
网络入侵检测方法 多模态深度学习 轨道 耦合特征 跨模态
4
面向无人系统的多传感器特征选择与协同优化方法及设备
面向无人系统 特征选择 协同优化方法 多传感器数据融合 样本
5
一种基于人工智能的互联网多维数据融合分析系统
处理单元 中央处理设备 数据分析模块 数据储存模块 数据可视化
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