基于自适应权重加权的公平性联邦学习方法及系统.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117422152A
(43)申请公布日2024.01.19
(21)申请号202311525326.1
(22)申请日2023.11.15
(71)申请人扬州大学
地址225009
显示全部
文档详情
相似文档
-
基于梯度选择和自适应学习率的加权K异步联邦学习方法、系统及装置.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114565103 A
(43)申请公布日 2022.05.31
(21)申请号 202210190627.2
(22)申请日 2022.02.28
(71)申请人 杭州卷积云科技有限公司
地址 31
-
基于客户端权重评价的联邦学习方法和系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114564746 A
(43)申请公布日 2022.05.31
(21)申请号 202210186854.8
(22)申请日 2022.02.28
(71)申请人 浙江大学
地址 310058 浙江
-
基于联盟链的公平性联邦学习框架研究.docx
基于联盟链的公平性联邦学习框架研究
目录
内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
联盟链概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
2.1联盟链的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
2.2联盟链的特点与优
-
个性化子模型与K均值聚类在联邦学习中的公平性研究.docx
个性化子模型与K均值聚类在联邦学习中的公平性研究
目录
内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1.1联邦学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1.2公平性在联邦学习中的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.2研究目的与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.3研究内容与
-
联邦学习在信用评分模型中的公平性保障.docx
联邦学习在信用评分模型中的公平性保障
一、联邦学习的技术原理及其在金融领域的应用
（一）联邦学习的基本框架与核心机制
联邦学习（FederatedLearning,FL）是一种分布式机器学习范式，其核心在于“数据不动，模型动”。通过多方参与者在本地训练模型参数并共享梯度更新，实现全局模型的协同优化。根据2021年谷歌研究院发布的《联邦学习白皮书》，联邦学习可分为横向联邦（样本维度联合）、纵向联邦（特征维度联合）和混合联邦三种类型。其中，横向联邦适用于金融机构间客户群体重叠度低的场景，例如不同银行的信用评分模型合作。
（二）金融领域应用场景的适配性
在信用评分场景中，金融机构面临数据孤岛与隐私保
-
一种基于联邦学习的预测系统及方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112990612 B
(45)授权公告日 2021.08.10
(21)申请号 202110532140.3 (51)Int.Cl.
-
基于隐私泄漏权重的安全联邦学习算法研究与实现.docx
基于隐私泄漏权重的安全联邦学习算法研究与实现
一、引言
随着信息技术的快速发展，数据共享与利用已经成为现代社会发展的重要动力。然而，数据的隐私保护问题也随之而来，尤其是当涉及到个人敏感信息时。为了在保护隐私的同时实现数据的价值，联邦学习作为一种新兴的机器学习方法受到了广泛关注。本文旨在研究并实现一种基于隐私泄漏权重的安全联邦学习算法，以解决数据隐私保护与数据利用之间的矛盾。
二、背景与相关研究
联邦学习是一种分布式机器学习方法，它允许在保持数据本地化的同时，通过模型参数的共享和更新，实现不同设备或机构间的知识共享与协作。这种方法能够有效保护个人隐私，减少数据泄露的风险。近年来，国内外众多学者对
-
基于对比学习的联邦学习后门防御方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117422130A
(43)申请公布日2024.01.19
(21)申请号202311425216.8
(22)申请日2023.10.30
(71)申请人扬州大学
-
基于球树算法和联邦学习的推荐模型更新系统及方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117421486A
(43)申请公布日2024.01.19
(21)申请号202311738313.2
(22)申请日2023.12.18
(71)申请人杭州金智塔科技有限公司
地址3
-
基于联邦学习的聚类模型训练系统及方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115994226 A
(43)申请公布日 2023.04.21
(21)申请号 202310278688.9
(22)申请日 2023.03.21
(71)申请人 杭州金智塔科技有限公司
地址 3
-
一种基于联邦学习的工业数据联合建模方法及系统.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113361618 A
(43)申请公布日 2021.09.07
(21)申请号 202110675879.X
(22)申请日 2021.06.17
(71)申请人 武汉
-
一种基于改进联邦学习的径流预测方法及预测系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114818461 A
(43)申请公布日 2022.07.29
(21)申请号 202210227312.0
(22)申请日 2022.03.08
(71)申请人 河海大学
地址 210000 江
-
基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究课题报告.docx
基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究课题报告
目录
一、基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究开题报告
二、基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究中期报告
三、基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究结题报告
四、基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究论文
基于机器学习的区域教育公平评价指标权重动态调整方法研究教学研究开题报告
一、研究背景与意义
在我国，教育公平是构建和谐社会的重要基石。近年来，随着国家对教育资源的不断投入，区域教育公平取得了显著成果。然而，由于地区差异、经
-
基于知识图谱的推荐系统公平性研究.pdf
摘要
摘要
基于知识图谱的推荐系统从诞生之初就引起了学术界以及工业界研究人员极
大的兴趣，这类推荐系统不仅可以很好的解决冷启动问题，还能为企业业务的增
长提供可靠的解决方案，我们的社会生活与之密不可分。研究人员在设计和使用
这些系统时，需要考虑公平性问题，避免这些系统对某些个人或群体产生歧视，甚
至加深已有的歧视。然而本文发现即使没有显式的将受保护的敏感属性信息引入
到知识图谱中，推荐系统仍然可以捕捉到这些敏感属性信息，从而产生不公平的
推荐结果。
现有的大多数去偏方法需要复杂的模型设计或者只能应用于特定的模型，并
且只能处理单个敏感属性的公平约束，难以用于多敏感属性的去偏场景。而部分
能够进
-
基于自适应联邦学习的输配网动.docx
基于自适应联邦学习的输配网动
目录
基于自适应联邦学习的输配网动（1）．．．．．．．．．．．．．．．．．．．．．．．．．．4
内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
联邦学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
2.1基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
2.2相关研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
输配电网现状分析．．．．．．．．．．．．．