基本信息:
- 专利标题： 应对拜占庭节点的联邦学习方法
- 申请号：CN202311858926.X 申请日：2023-12-30
- 公开(公告)号：CN117933414A 公开(公告)日：2024-04-26
- 发明人： 刘志中 , 赵谦 , 李肯立 , 肖国庆 , 段明星 , 刘楚波 , 秦云川 , 唐卓
- 申请人： 湖南大学 , 湖南大学深圳研究院
- 申请人地址： 湖南省长沙市岳麓区麓山南路;
- 专利权人： 湖南大学,湖南大学深圳研究院
- 当前专利权人： 湖南大学,湖南大学深圳研究院
- 当前专利权人地址： 湖南省长沙市岳麓区麓山南路;
- 代理机构： 华进联合专利商标代理有限公司
- 代理人： 何涌畅
- 主分类号： G06N20/00
- IPC分类号： G06N20/00 ; G06F18/2433 ; G06F21/12
摘要：
本申请涉及一种应对拜占庭节点的联邦学习方法。所述方法包括：将待训练的分类模型传递至目标学习节点，以指示目标学习节点根据医疗样本数据确定梯度信息；接收目标学习节点反馈的梯度信息，并根据梯度信息对目标学习节点进行分类，得到节点类型；若节点类型为恶意节点，则对所述目标学习节点进行标识，并将邻接学习节点作为下一目标学习节点，返回执行将待训练的分类模型传递至目标学习节点的步骤；若节点类型为正常节点，则接收目标学习节点更新的分类模型，将邻接学习节点作为下一目标学习节点，并基于更新的分类模型返回执行将待训练的分类模型传递至目标学习节点的步骤，直至完成所述分类模型的训练。采用本方法能够提高分类模型的学习准确率。