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:江南大学
摘要:本发明涉及一种基于QoS增益的联邦学习安全聚合方法、介质和设备。本发明涉及数据保护技术领域,所述方法包括基于精度增益筛选出符合预设精度增益核验条件的高质量的第三方辅助客户端,引入基于合作博弈的客户端联盟机制,提供未通过预设精度增益核验条件的能力较弱的第三方辅助客户端加入联邦学习的机会,最大化挖掘客户端推动全局模型聚合的速度增量,同时制约了非法客户端通过联盟进行数据投毒等攻击行为的意图,并训练一个用于筛选模型参数的强化学习网络D3QN模型;本申请能在存在非法客户端的条件下加快全局模型收敛,且针对投毒攻击表现出较好的鲁棒性。
主权项:1.一种联邦学习安全聚合方法,其特征在于,包括:客户端进行本地训练得到客户端模型参数,并将所述客户端模型参数上传至服务器;所述客户端包括第三方辅助客户端和大型被信任客户端;所述客户端模型参数包括第三方辅助客户端模型参数和大型被信任客户端模型参数;所述服务器通过任务目标的公共验证集测试所述第三方辅助客户端模型参数得到第三方辅助客户端模型参数精度,根据所述第三方辅助客户端模型参数精度选取符合预设精度增益核验条件的所述第三方辅助客户端为达标客户端,不符合所述预设精度增益核验条件的所述第三方辅助客户端为未达标客户端;将所述未达标客户端以联盟的形式进行组织,得到客户端联盟;所述客户端联盟进行本地训练得到联盟模型参数,并将所述联盟模型参数上传至所述服务器,所述服务器通过所述任务目标的公共验证集测试所述联盟模型参数得到所述联盟模型参数精度,根据所述联盟模型参数精度选取符合所述预设精度增益核验条件的所述客户端联盟为达标联盟;根据所述达标联盟和所述达标客户端通过Top-K机制选取目标客户端,同时根据所述客户端联盟和所述达标客户端训练D3QN模型,在训练完成得到所述D3QN模型后,使用所述D3QN模型取代Top-K机制选取所述目标客户端;对所述目标客户端的联盟模型参数或所述目标客户端的第三方辅助客户端模型参数和所述大型被信任客户端模型参数进行聚合得到全局模型;若所述全局模型的精度未达到预设收敛精度,则所述客户端进行本地训练得到客户端模型参数,并将所述客户端模型参数上传至服务器,直至所述全局模型的精度达到所述预设收敛精度。
全文数据:
权利要求:
百度查询: 江南大学 基于QoS增益的联邦学习安全聚合方法、介质和设备
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。