一种基于联邦学习的反非法诱导方法、系统及模型介质.pdfVIP

一种基于联邦学习的反非法诱导方法、系统及模型介质.pdf

  1. 1、本文档共18页,其中可免费阅读17页,需付费10金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于联邦学习的反非法诱导方法、系统及模型介质,其中方法通过联邦学习,用户侧和系统侧的原始数据得到保护,不需要直接共享数据,从而提高了数据隐私和安全性;其次,用户侧终端和系统侧终端能够利用各自的数据进行本地模型的训练和更新,而不需要将数据发送到中央服务器,减少了数据传输和存储的风险;同时,通过多方安全计算技术,用户侧终端和系统侧终端可以对梯度进行同态加密,确保了梯度的隐私保护;另外,聚合侧终端能够将用户侧和系统侧的模型参数进行聚合,生成全局模型,综合了各方的信息,提高了模型的准确性

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116720209 A (43)申请公布日 2023.09.08 (21)申请号 202310857736.X G06F 18/214 (2023.01)

文档评论(0)

知识产权出版社 + 关注
官方认证
服务提供商

知识产权出版社有限责任公司(原名专利文献出版社)成立于1980年8月,由国家知识产权局主管、主办。长期以来, 知识产权出版社非常重视专利数据资源的建设工作, 经过多年来的积累,已经收藏了数以亿计的中外专利数据资源。

认证主体北京中献电子技术开发有限公司
IP属地四川
统一社会信用代码/组织机构代码
91110108102011667U

1亿VIP精品文档

相关文档