技術(shù)編號：40529552
提示：您尚未登錄，請點(diǎn) 登 陸 后下載，如果您還沒有賬戶請點(diǎn) 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明涉及機(jī)器學(xué)習(xí)與人工智能，尤其涉及一種聯(lián)邦學(xué)習(xí)模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)。背景技術(shù)、隨著大數(shù)據(jù)和人工智能的迅猛發(fā)展，數(shù)據(jù)隱私保護(hù)的重要性日益凸顯。傳統(tǒng)的集中式機(jī)器學(xué)習(xí)方法通常需要將所有數(shù)據(jù)集中在一個(gè)中央服務(wù)器上進(jìn)行訓(xùn)練，但這種做法會(huì)帶來嚴(yán)重的數(shù)據(jù)泄漏風(fēng)險(xiǎn)，并可能違反數(shù)據(jù)隱私法律法規(guī)。為了應(yīng)對這些挑戰(zhàn)，聯(lián)邦學(xué)習(xí)(federated?learning)作為一種新型的分布式機(jī)器學(xué)習(xí)方法應(yīng)運(yùn)而生。聯(lián)邦學(xué)習(xí)通過在多個(gè)參與方的本地?cái)?shù)據(jù)上進(jìn)行模型訓(xùn)練，而不將數(shù)據(jù)轉(zhuǎn)移到中央服務(wù)器，從而在一定程度上...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。