基本信息:
- 专利标题： 一种基于分布式隐私保护数据的分类模型训练方法
- 申请号：CN202311529820.5 申请日：2023-11-16
- 公开(公告)号：CN117437484A 公开(公告)日：2024-01-23
- 发明人： 张凌浩 , 董恺 , 贾创 , 王胜 , 向思屿 , 张政 , 刘松嘉 , 邝俊威 , 张一驰
- 申请人： 国网四川省电力公司电力科学研究院
- 申请人地址： 四川省成都市锦晖西二街16号
- 专利权人： 国网四川省电力公司电力科学研究院
- 当前专利权人： 国网四川省电力公司电力科学研究院
- 当前专利权人地址： 四川省成都市锦晖西二街16号
- 代理机构： 南京经纬专利商标代理有限公司
- 代理人： 田凌涛
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V10/82 ; G06N3/084 ; G06F21/62 ; G06N3/0455 ; G06V10/40
摘要：
本发明提出一种基于分布式隐私保护数据的分类模型训练方法，包含：服务器端为全局分类模型以及各本地分类模型选择图片特征提取模块的初始参数；各用户端融合隐私保护技术训练各本地分类模型；各用户端向服务器端上传图片特征表示向量集和本地分类头模块参数；服务器端进行数据的筛选预处理和全局分类头模块的初始化；基于全局样本集对全局分类模型中的分类头模块进行迭代训练，将训练好的全局分类头模块和全局图片特征提取模块进行联合，获得全局分类模型。本发明采用基于注意力机制的特征提取模块结合噪声添加方式，保护了各用户端数据的隐私安全；同时通过数据筛选预处理和多方数据融合提高了分类模型的分类准确度。