龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆邮电大学
申请日：2024-03-13
公开（公告）日：2024-06-07
公开（公告）号：CN118153101A
主分类号：G06F21/62
分类号：G06F21/62;G06N20/00;H04L9/40
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明公开了一种基于自适应拜占庭防御的安全联邦学习方法，涉及联邦学习领域。当前联邦学习系统存在着无法自适应抵御拜占庭攻击，且模型准确度低的问题。因此，为了解决以上问题，本发明提出一种基于自适应拜占庭防御的安全联邦学习方法。本发明通过激励关联的自适应初步聚合和基于指数加权平均的全局聚合，在为局部模型和全局模型均提供差分隐私扰动实现全面隐私保护的前提下最小程度地扰动全局模型，实现根据不同恶意模型的得分进行处理以自适应地抵御拜占庭攻击，调动参与者的积极性，并达到较高的模型准确度。
主权项：1.一种基于自适应拜占庭防御的安全联邦学习方法的具体过程如下：第一步：主服务器初始化全局模型第二步：客户端在获取初始全局模型之后进行局部模型更新，并将加噪扰动后的局部模型上传到边缘服务器。第三步：边缘服务器在收到客户端的局部模型之后，首先进行恶意局部模型检测，检测后非拜占庭客户端会根据表现获得相应激励，以调动参与者的积极性。然后根据检测结果对局部模型进行激励关联的自适应初步聚合。第四步：各边缘服务器初步聚合完毕后，由主服务器对各边缘服务器的初步聚合结果进行基于指数加权平均的全局聚合，并对全局模型加以最小程度的扰动。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于自适应拜占庭防御的安全联邦学习方法
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。
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