本發明為一種基于聯邦強化學習的異構軟件缺陷預測方法;該方法首先使用主成分分析法(Principal Component Analysis,PCA)進行數據降維。中心服務器初始化全局參數發送給所有參與方,參與方將該全局參數作為本地強化學習dueling Deep Q Network(dueling DQN)模型的初始參數。所有參與方使用降維數據和上輪全局參數來更新本地dueling DQN模型,中心服務器隨機選擇參與方,選中的參與方將本地模型參數加入高斯噪聲進行差分隱私加密。使用K?means對選中的參與方進行聚類,通過本地聚合與全局聚合形成全局模型發送給所有參與方。當通信次數到達最大通信輪次或本地dueling DQN模型已經收斂,輸出預測結果。本發明在保證數據隱私安全前提下通過結合多方數據模型,有效的提高了異構軟件缺陷的預測效果。
聲明:
“基于聯邦強化學習的異構軟件缺陷預測算法研究” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)