申请/专利权人:之江实验室;广州大学
申请日:2021-03-18
公开(公告)日:2021-06-08
公开(公告)号:CN112926088A
主分类号:G06F21/62(20130101)
分类号:G06F21/62(20130101);G06N20/00(20190101);G06N5/04(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.06.25#实质审查的生效;2021.06.08#公开
摘要:本发明公开了一种基于博弈论的联邦学习隐私策略选择方法,该方法包括:服务器为参与方提供具有不同服务成本的阈值,参与方根据是否满足服务质量、隐私泄露代价等来选择最佳阈值,并由服务器在下一次迭代训练中更新服务成本;服务器通过多次迭代来获得最优的模型参数,以此保持模型长期稳定的服务状态,并提供给参与方。该方法有效避免了参与方“搭便车”等恶意行为,使得服务器可以最大限度地得到服务费用,参与方可以获得长期的优质服务。
主权项:1.一种基于博弈论的联邦学习隐私策略选择方法,其特征在于,该方法包括:服务器为参与方提供具有不同服务成本的模型质量的权衡参数λMQ与隐私强度的权衡参数λPI的比值λMQλPI,参与方根据是否满足服务质量、隐私泄露代价来选择最佳阈值,并用自身数据集训练模型,并把选择的阈值和训练更新的模型参数发给服务器;服务器收集各个参与方的模型参数进一步训练模型,获得优化的模型参数,并更新服务阈值λMQλPI和服务成本后再发给参与方,以此服务器保持模型长期稳定的服务状态提供给参与方。
全文数据:
权利要求:
百度查询: 之江实验室;广州大学 一种基于博弈论的联邦学习隐私策略选择方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。