一种联邦机器学习环境下的边缘端偏见检测方法

摘要

本发明公开了一种联邦机器学习环境下的边缘端偏见检测方法，包括以下步骤：通过筛选获得歧视实例，并增加歧视实例在数据集中的比例来构建新数据集，利用新数据集对模型进行分布式训练，以获得每个模型对敏感属性(偏见信息)的偏见程度，并通过根据偏见程度为每个模型赋予不同注意力权重的方式去除偏见，在消除偏见后，再进行模型聚合，从而保证联邦机器学习环境下边缘端的公平性。