基于分布式存储的联邦学习模型训练异常检测方法及系统.pdfVIP

下载本文档

1
0
约1.74万字
约 13页
2023-05-20 发布于北京
举报
版权申诉

基于分布式存储的联邦学习模型训练异常检测方法及系统.pdf

1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及人工智能领域，具体涉及一种基于分布式存储的联邦学习模型训练异常检测方法及系统。该方法包括：通过联邦学习获取融合前后深度神经网络，以融合前后的深度神经网络中特征向量的相对位置差异获取融合后深度神经网络中每个特征向量的稳定程度，根据稳定程度获取融合后深度神经网络中每个特征向量的趋准性向量，以该趋准性向量获取融合后深度神经网络的准确程度，根据准确程度检测融合后的深度神经网络异常情况，若存在异常，则获取具体的异常端，并获取正确的第二深度神经网络。本发明实现了通过融合前后深度神经网络中特征向量的

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114928547 A (43)申请公布日 2022.08.19 (21)申请号 202210413821.2 (22)申请日 2022.04.14 (71)申请人何静地址 226300 江苏省