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：北京理工大学;中科信息安全共性技术国家工程研究中心有限公司

摘要：一种面向联邦学习的隐私保护差异感知聚合方法使用阈值Paillier加密系统、加性同态加密系统对客户端的隐私数据进行差异感知聚合，并迭代地进行局部和全局模型更新计算，直到收敛。在此过程中，与客户端相关的信息得到了保护，同时也提供了防止客户端之间串通的能力。有益效果在于：使用本方案后，可以解决联邦学习场景中数据隐私泄露问题、数据异构问题、通信开销和计算开销问题，在全面保护客户端数据隐私的基础上，实现联邦学习训练过程中数据异构性问题，其聚合权重不仅涉及数据集大小和差异水平，同时还提高了隐私保护、通信和计算效率。

主权项：1.一种面向联邦学习的隐私保护差异感知聚合方法，其特征在于：所述隐私保护差异感知聚合方法包括以下四个步骤，分别为本地模型训练，计算差异值，确定差异感知聚合权重和全局模型聚合，具体如下：步骤1：本地模型训练每个客户端i使用数据集Bi和初始模型wt,0进行本地训练τ步，得到训练后的模型，记为wit,τ＝LocalTrainB,wt,0；其中，LocalTrain是客户端i进行本地训练的函数，Bi是客户端i的本地数据集，wt,0是接收到的全局模型；步骤2：计算差异值K个客户端必须计算其本地类别分布与假设聚合的全局类别分布之间的差；约定全局类别分布均匀以利于促进所有类别之间的公平性并增强全局模型的泛化能力，每个客户端可以计算其差异而无需额外的数据共享以保护类别分布的隐私性；步骤3：确定差异感知聚合权重聚合服务器利用数据集ni的大小和本地差异水平di来为每个客户端i确定更显著的差异感知聚合权重；差异感知聚合权重的计算方法如下：设定SUM表示修正的线性单位函数值服务器计算EpkSUM的方法如下： 聚合服务器端拥有每个客户端的加密差异水平，然后根据安全求和协议计算出SUM的值；服务器计算Epkpi，具体为：之后，将Epkpi发送给客户端i；步骤4：全局模型聚合聚合服务器使用所述差异感知聚合权重执行模型聚合，得到的全局模型计算为：其中，是第i个本地模型；聚合服务器首先将全局模型wt,0发送给客户端；如果是第一次迭代，全局模型将被随机初始化；如果没有，则将从以前的迭代中获得全局模型；当客户端i接收到全局模型时，它根据计算客户端i在本地计算并将其发送给聚合服务器，其中，Epk代表公钥加密函数，pi是客户端i的聚合权重，而是客户端i的本地模型；聚合服务器接收每个客户端的根据得到最后，使用安全求和协议，聚合服务器计算wt+1作为下一次迭代的全局模型。

全文数据：

权利要求：

百度查询： 北京理工大学 中科信息安全共性技术国家工程研究中心有限公司 一种面向联邦学习的隐私保护差异感知聚合方法