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：合肥大学
摘要：本发明涉及联邦学习与隐私保护的技术领域，具体涉及一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法。该方法由恶意梯度筛选机制和抗共谋的拜占庭鲁棒聚合策略组成。首先利用恶意梯度筛选机制由参与联邦学习训练的客户端选择不同的随机数盲化局部梯度。然后中心服务器可以在不知晓局部梯度明文的情况下计算余弦相似度以筛选恶意梯度，兼顾数据隐私性和模型鲁棒性。其次设计一种抗共谋的拜占庭鲁棒聚合策略，根据恶意梯度筛选机制计算出的余弦相似度为局部梯度赋权值。最后利用权值对不同局部梯度加权聚合，聚合过程中采用同态加密保障数据隐私性。并采用秘密共享技术拆分私钥，客户端更新模型时需协作解密，以此抵御训练实体间的共谋攻击。
主权项：1.一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法，其特征在于，由恶意梯度筛选机制Randomcos和抗共谋的拜占庭鲁棒聚合策略组成，具体包括以下步骤：步骤1，密钥生成中心向客户端下发同态加密公钥和私钥的秘密份额pk，ski；步骤2，在第t轮训练迭代中，客户端Ci使用本地数据集Di进行模型训练，得到局部梯度步骤3，客户端在将局部梯度上传至中心服务器之前随机选择一个随机数ri，计算步骤4，客户端使用公钥pk加密ri-1，上传Ri和[ri-1]pk至中心服务器；步骤5，中心服务器利用恶意梯度筛选机制Randomcos，在不知晓局部梯度明文的情况下，计算局部梯度的余弦相似度，筛选恶意客户端、抵御投毒攻击；步骤6，根据余弦相似度对局部梯度赋予不同权值，并利用同态加密性质，在加权聚合局部梯度前对局部梯度进行去噪； 步骤7，中心服务器在密文状态下聚合局部梯度，生成全局梯度；步骤8，客户端从中心服务器下载全局梯度密文并协作解密以更新本地模型。
全文数据：
权利要求：
百度查询： 合肥大学 一种抗共谋的拜占庭鲁棒隐私保护联邦学习优化方法
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。
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