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:河海大学
摘要:本发明针对工业物联网中恶意客户端发起投毒攻击的问题公开了一种IIoT中基于客户端信誉证明机制的去中心化联邦学习方法,其包括如下步骤:(1)建立去中心化训练框架;(2)分布式评审机制;(3)信誉证明共识机制;(4)自适应客户端奖励机制。该方法首先根据信誉值将工业物联网中的客户端分配为不同角色。此外,提出基于客户端信誉证明的共识机制,使得区块挖掘者的选举不再只取决于算力,而是依赖于客户端的历史行为表现。最后,提出一种基于客户端贡献程度和所属角色的自适应客户端奖励算法,识别并惩罚恶意客户端,激励诚实客户端更积极地参与训练进程。本方法适用于工业物联网环境中存在恶意客户端参与训练的场景,具有较高的鲁棒性且易于实现。
主权项:1.一种IIoT中基于客户端信誉证明机制的去中心化联邦学习方法,其特征在于,包括以下步骤:1建立去中心化训练框架所述去中心化训练框架由若干客户端,区块链组成;所述客户端为分布在工业物联网环境中采集本地数据并使用本地数据参与模型训练的边缘设备,根据客户端信誉值排名,客户端被分为训练客户端,评审客户端,聚合客户端三种角色;训练客户端负责使用自有的本地数据集训练本地模型并上传;评审客户端负责接收训练客户端上传的本地模型并进行合法性验证,以及使用本地数据集对其进行性能评估和投票;聚合客户端负责聚合经过合法性验证并投票通过的本地模型,更新全局模型并打包新的区块;区块链负责记录当前训练任务相关信息并将其公开给所有客户端;去中心化训练框架还包括区块结构设置以及算法参数设置;2分布式评审机制评审客户端在接收到训练客户端发送的本地模型后对其进行合法性验证以及性能评估,聚合客户端获得评审客户端的投票结果后确定用于模型聚合的本地模型并更新全局模型;3信誉证明共识机制聚合客户端根据投票结果,鉴别投毒模型并分析评审客户端行为模式,从而为所有客户端更新信誉值,在下次迭代准备阶段所有客户端依据其信誉值分数达成共识确定新的角色分配问题;4自适应客户端奖励机制根据训练客户端在本轮迭代中贡献程度大小以及其所扮演角色,为其分配自适应奖励,为工业物联网中客户端的奖惩提供自适应方法。
全文数据:
权利要求:
百度查询: 河海大学 IIoT中基于客户端信誉证明机制的去中心化联邦学习方法
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。