需求发布 成果发布 科创案例库 揭榜挂帅
技术经理人 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 需求库 技术需求 贵州信邦富顿科技有限公司技术需求

贵州信邦富顿科技有限公司技术需求

发布时间: 2021-11-22
来源: 科技服务团
截止日期:2021-11-22

价格 双方协商

地区： 贵州省 贵阳市 云岩区

需求方： 贵州***公司

行业领域

新一代信息技术产业,信息传输、软件和信息技术服务业

需求背景

机器学习算法的训练样本往往具有高度敏感性，模型在训练中会隐式地存储这些敏感的训练数据。因此攻击者通过对模型的分析可能会推断出敏感信息，导致敏感信息泄露。因此，需要在模型训练时保护模型参数与训练数据的隐私。对此，Papernot等提出教师模型全体的隐私聚合(PATE)方法，为了使模型具有鲁棒性及泛化效果通常需要数百个教师模型。由于训练数百个教师模型需要将训练集拆分为数百个不相交的数据子集，因此存在一个难以取舍的问题。当教师模型数量足以对注入的噪声具有鲁棒性时，由于训练数据有限，单个教师模型的预测精度较差。而如果希望每个教师模型的预测精度都高，那么教师模型的数量将很少，集成的输出就容易受到注入噪声的影响。

需解决的主要技术难题

在将联邦学习引入到PATE中时，联邦学习是最终训练出的是一个统一的模型，如何训练出多个教师模型。

期望实现的主要技术目标

训练出统一模型后，在将模型参数发送给各客户端，各客户端利用本地数据和模型参数再训练一个，得到多个个性化的模型。

处理进度

  1. 提交需求
    2021-11-22 15:06:59
  2. 确认需求
    2021-11-23 10:20:16
  3. 需求服务
    2021-11-23 10:20:16
  4. 需求签约
  5. 需求完成
服务方

“科创中国”贵州科技服务团