一种应用于隐私计算的个性化联邦学习方法
知识产权简介
本发明属于联邦学习领域中的个性化联邦学习,通过条件策略模块将每个样本的特征信 息分离为通用特征信息和个性化特征信息,并分别通过全局分类器和个性化分类器处理这两 类信息,实现样本级别且样本特定的个性化信息提取。相比于现有仅考虑客户机模型级别的 个性化联邦学习方法,可以实现更细粒度的个性化信息提取。
本发明属于联邦学习领域中的个性化联邦学习,通过条件策略模块将每个样本的特征信 息分离为通用特征信息和个性化特征信息,并分别通过全局分类器和个性化分类器处理这两 类信息,实现样本级别且样本特定的个性化信息提取。相比于现有仅考虑客户机模型级别的 个性化联邦学习方法,可以实现更细粒度的个性化信息提取。