System und Verfahren für föderales Lernen unter Verwendung von anonymisierter Gewichtungsfaktorisierung

Ein System für föderales maschinelles Lernen umfasst einen globalen Server und Client-Vorrichtungen. Der Server empfängt Updates von Gewichtungsfaktorwörterbüchern und Faktorstärkenvektoren von den Clients und erzeugt ein global aktualisiertes Gewichtungsfaktorwörterbuch und einen global aktualisierten Faktorstärkenvektor. Eine Client-Vorrichtung wählt eine Gruppe an Parametern aus einer globalen Gruppe an Parametern aus und trainiert ein Modell unter Verwendung eines Datensatzes der Client-Vorrichtung und der Gruppe an ausgewählten Parametern. Die Client-Vorrichtung sendet ein Client-aktualisiertes Gewichtungsfaktorwörterbuch und einen Client-aktualisierten Faktorstärkenvektor an den Server. Die Client-Vorrichtung empfängt das global aktualisierte Gewichtungsfaktorwörterbuch und den global aktualisierten Faktorstärkenvektor und trainiert das Modell erneut unter Verwendung des Datensatzes der Client-Vorrichtung, der Gruppe an Parametern, die durch die Client-Vorrichtung ausgewählt wurden, und des global aktualisierten Gewichtungsfaktorwörterbuchs und des global aktualisierten Faktorstärkenvektors .