申请/专利权人:福建工程学院
申请日:2023-04-26
公开(公告)日:2024-04-02
公开(公告)号:CN117807622A
主分类号:G06F21/62
分类号:G06F21/62;G06F18/2337;G06N20/00;G01S19/42
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种基于联邦学习满足本地化差分隐私的TMI系统,包括服务器和客户端;所述客户端在本地训练隐私增强的联邦学习模型,并通过协议与服务器交换更新的参数,服务器将这些参数聚集起来进行计算,并将计算结果发送给参与的客户端;所述隐私增强的联邦学习模型将在客户端提取用户轨迹的运动特征作为数据样本来替代原始数据进行训练;所述隐私增强的联邦学习模型在训练前,数据样本信息进行模糊聚类;采用LDP技术来对样本数据进行联合训练隐私增强的联邦学习模型。本发明有效降低联邦学习通信成本,并能够增强模型梯度的隐私性。
主权项:1.一种基于联邦学习满足本地化差分隐私的TMI系统,其特征在于,包括服务器和客户端;所述客户端在本地训练隐私增强的联邦学习模型,并通过协议与服务器交换更新的参数,服务器将这些参数聚集起来进行计算,并将计算结果发送给参与的客户端;所述隐私增强的联邦学习模型将在客户端提取用户轨迹的运动特征作为数据样本来替代原始数据进行训练;所述隐私增强的联邦学习模型在训练前,数据样本信息进行模糊聚类;采用LDP技术来对样本数据进行联合训练隐私增强的联邦学习模型。
全文数据:
权利要求:
百度查询: 福建工程学院 基于联邦学习满足本地化差分隐私的TMI系统
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。