基于聯(lián)邦學習的模型訓練方法、裝置、系統(tǒng)、設備和介質

基本信息

申請?zhí)?/td> CN202110799022.9 申請日 -
公開（公告）號 CN113537512A 公開（公告）日 2021-10-22
申請公布號 CN113537512A 申請公布日 2021-10-22
分類號 G06N20/00（2019.01）I;G06F21/60（2013.01）I 分類 計算；推算；計數(shù);
發(fā)明人 陳錄城;李曉璐;張成龍;孫明;賈淇超;諸葛慧玲 申請（專利權）人 卡奧斯工業(yè)智能研究院（青島）有限公司
代理機構 北京品源專利代理有限公司 代理人 康亞健
地址 266510山東省青島市黃島區(qū)團結路2877號中德生態(tài)園管委會257房間
法律狀態(tài) -

摘要

摘要 本發(fā)明實施例涉及一種基于聯(lián)邦學習的模型訓練方法、裝置、系統(tǒng)、設備和介質，具體涉及機器學習技術領域，方法包括：基于聯(lián)邦學習的模型訓練方法，其特征在于，由各私有云端服務器執(zhí)行，包括：獲取本地數(shù)據(jù)，將所獲取的本地數(shù)據(jù)經過本地模型識別后，根據(jù)識別結果生成樣本集共享給公有云端服務器，以使所述公有云端服務器采用所述樣本集對聯(lián)合模型進行訓練并共享所述聯(lián)合模型，其中所述樣本集的數(shù)據(jù)量小于所述本地數(shù)據(jù)的數(shù)據(jù)量；下載所述聯(lián)合模型，用所下載的聯(lián)合模型替換本地模型。本發(fā)明實施例的技術方案能夠在避免大量工業(yè)數(shù)據(jù)泄露的同時，保證了模型訓練的效果。