首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于联合防御的可抵抗后门攻击的鲁棒性联邦学习方法 

申请/专利权人:复旦大学

申请日:2024-03-21

公开(公告)日:2024-07-05

公开(公告)号:CN118297178A

主分类号:G06N20/00

分类号:G06N20/00;G06F18/2321;G06F18/214;G06F18/22

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.07.23#实质审查的生效;2024.07.05#公开

摘要:本发明涉及一种基于联合防御的可抵抗后门攻击的鲁棒性联邦学习方法,应用于客户端和服务器,其中,客户端用于对训练数据集进行动态平滑扰动,之后将训练得到的模型上传至服务器;服务器对接收到的所有模型进行聚类、裁剪,并添加扰动噪声,输出得到聚合模型。与现有技术相比,本发明综合利用客户端和服务器的防御能力,一方面设计客户端对获取的训练集进行扰动,避免外部攻击者的恶意投毒攻击;另一方面设计服务器对客户端提交的模型首先进行聚合,以过滤恶意客户端提交的模型,再对保留的客户端进行裁剪和添加噪声,进一步来削弱逃逸的恶意模型对正常的模型的影响,成功实现对大范围后门攻击的有效防御。

主权项:1.一种基于联合防御的可抵抗后门攻击的鲁棒性联邦学习方法,其特征在于,应用于客户端和服务器,其中,客户端用于对训练数据集进行动态平滑扰动,之后将训练得到的模型上传至服务器;服务器对接收到的所有模型进行聚类、裁剪,并添加扰动噪声,输出得到聚合模型。

全文数据:

权利要求:

百度查询: 复旦大学 一种基于联合防御的可抵抗后门攻击的鲁棒性联邦学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。