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：西安电子科技大学

摘要：本发明公开了基于联邦学习的物联网后门防御方法，包括以下步骤：1.生成物联网数据预训练集；2.生成客户端样本集；3.构建联邦学习全局网络；4.服务器对联邦学习全局网络进行预训练；5.服务器对预训练好的联邦学习全局网络进行训练并更新模型；6.判断更新后的联邦学习全局网络是否满足训练终止条件，若满足，则执行步骤7，否则，执行步骤5；7.得到最终训练好的联邦学习全局网络。本发明基于联邦学习的物联网后门防御方法，解决了现有技术中存在的面对非独立同分布数据的后门防御效果较差的问题。

主权项：1.基于联邦学习的物联网后门防御方法，其特征在于，包括以下步骤：步骤1：生成物联网数据预训练集；将真实物联网设备中收集到的所有网络流量记录组成物联网数据样本集；对所述每条网络流量记录进行预处理后随机选取N条组成物联网数据预训练集；步骤2：生成客户端样本集；步骤2.1：在所述物联网数据样本集中随机选取M条网络流量记录组成一个客户端样本集；采用相同方式随机选取n次，得到n个不同的客户端样本集；每个客户端对应n个不同客户端样本集中的一个客户端样本集；步骤2.2：将每个客户端样本集按照相同比例分为训练集和测试集；步骤3：根据步骤1中所述物联网数据样本集，基于深度神经网络的架构，构建联邦学习全局网络；步骤4：服务器对联邦学习全局网络进行预训练；步骤5：服务器对预训练好的联邦学习全局网络进行训练并更新；步骤5.1，服务器将预训练好的联邦学习全局网络下发至各个客户端，各客户端在客户端样本集上对其训练并更新，得到客户端本地模型更新梯度；步骤5.2，服务器随机选取若干个客户端并计算各客户端本地模型更新梯度之间的余弦相似度，对求得的余弦相似度使用HDBSCAN方法进行聚类，将客户端划分为若干个簇；步骤5.3，对各个簇内的客户端本地模型更新梯度进行簇内聚合，得到簇内全局更新梯度；步骤5.4，对各个簇内的客户端以相同的比例随机采样，并对采样得到的客户端使用凝聚层次聚类进行过滤，得到良性客户端簇和恶意客户端簇；步骤5.5，将步骤5.4中所述良性客户端簇内的客户端本地模型更新梯度进行中位数聚合，得到簇外全局更新梯度；步骤5.6，将簇外全局更新梯度下发至步骤5.2中的各个簇，各个簇分别将其簇内全局更新梯度与簇外全局更新梯度相聚和得到全局模型更新梯度；步骤5.7，各个簇将全局模型更新梯度下发至各客户端，各个客户端使用全局模型更新梯度在其本地客户端样本集上对预训练好的联邦学习全局网络进行训练并更新；步骤6，判断更新后的联邦学习全局网络是否满足训练终止条件，若满足，则执行步骤7，否则，执行步骤5；步骤7，得到最终训练好的联邦学习全局网络。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于联邦学习的物联网后门防御方法