申请/专利权人:成都信息工程大学
申请日:2024-03-22
公开(公告)日:2024-04-26
公开(公告)号:CN117932686A
主分类号:G06F21/62
分类号:G06F21/62;G06F18/214;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了基于激励机制的元宇宙中联邦学习隐私保护方法和系统、介质,包括:根据包含有物联网传感器本地数据的训练数据集,进行预设条件的联邦学习模型训练;通过非侵入的方式观察物联网传感器的本地数据,进而分析物联网传感器实时的隐私风险等级,生成隐私评估指标;根据隐私评估指标结合激励策略,动态调整扰动率;根据扰动率,对训练数据集进行相关扰动,进而将扰动后的训练数据集投入至下一轮的联邦学习模型训练中;循环训练,直至联邦学习模型训练达到预设训练条件。本发明的基于激励机制的元宇宙中联邦学习隐私保护方法,能够对风险进行自适应识别和防御,并结合激励机制鼓励系统参与节点以自适应地调节隐私风险保护效果。
主权项:1.基于激励机制的元宇宙中联邦学习隐私保护方法,其特征在于,包括以下步骤:步骤1:根据包含有物联网传感器本地数据的训练数据集,进行预设条件的联邦学习模型训练;步骤2:通过非侵入的方式观察物联网传感器的本地数据,进而分析物联网传感器实时的隐私风险等级,生成隐私评估指标;步骤3:根据隐私评估指标结合激励策略,动态调整扰动率;步骤4:根据扰动率,对训练数据集进行相关扰动,进而将扰动后的训练数据集投入至下一轮的联邦学习模型训练中;步骤5:循环步骤1至步骤4,直至联邦学习模型训练达到预设训练条件。
全文数据:
权利要求:
百度查询: 成都信息工程大学 基于激励机制的元宇宙中联邦学习隐私保护方法和系统、介质
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。