龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中山大学
摘要：本发明公开了一种针对联邦学习数据投毒攻击的筛选防御方法及系统，方法包括：由服务器端收集所有本地模型后，针对每对本地模型进行表征相似性分析，计算任意一对本地模型间的表征一致性；根据表征一致性，计算恶意模型投票筛选矩阵；使用最小‑最大标准化方法对恶意模型投票筛选矩阵中的每个元素进行放缩，得到更新后的恶意模型投票筛选矩阵；根据恶意模型投票筛选矩阵，为每个本地模型进行投票，筛选出正常模型与恶意模型；根据筛选结果，隔离恶意模型，并对各个正常模型进行聚合，更新全局模型。本发明提高了恶意模型筛选的效率，并有效解决现有防御方法在非独立同分布条件下效果不佳的问题，可广泛应用于机器学习技术领域。
主权项：1.一种针对联邦学习数据投毒攻击的筛选防御方法，其特征在于，包括以下步骤：由服务器端收集所有本地模型后，针对每对本地模型进行表征相似性分析，计算任意一对所述本地模型间的表征一致性；根据所述表征一致性，计算恶意模型投票筛选矩阵；使用最小-最大标准化方法对所述恶意模型投票筛选矩阵中的每个元素进行放缩，得到更新后的所述恶意模型投票筛选矩阵；根据所述恶意模型投票筛选矩阵，为每个所述本地模型进行投票，筛选出正常模型与恶意模型；根据筛选结果，隔离所述恶意模型，并对各个所述正常模型进行聚合，更新全局模型。
全文数据：
权利要求：
百度查询： 中山大学 一种针对联邦学习数据投毒攻击的筛选防御方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号