摘要
本发明公开了一种安全的去除第三方的混合联邦学习框架及方法,其混合学习框架包括:多个分布式计算节点,从数个分布式计算节点中选取数个边缘聚合器;其混合联邦学习方法具体为:设有m个小组,每个小组里有n个组员:每个小组i,1≤i≤m;首先根据数据集进行混合联邦学习,最终每一个小组都得到一个混合联邦学习模型M-i;将每一个小组的联邦学习模型M-i再次进行混合联邦学习,得到一个全新的联邦学习模型M-i’,将M-i’作为新一轮的模型参数的输入,以此迭代更新模型M-i’,直至联邦学习模型收敛。本发明的方法与现有方法的区别是:混合联邦学习去除第三方,安全而且高效;其混合联邦学习方法适用于数据不规则的情形,可以提升联邦建模精度。
- 单位