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：中电科大数据研究院有限公司

摘要：本发明提供一种联邦学习隐私保护方法及系统，该方法包括：中央服务器接收各参与方发送的基于同态加密的梯度密文；对接收的各参与方的梯度密文进行聚合及解密，得到聚合梯度信息；对聚合梯度信息进行数字签名，得到签名组；将签名组发送给共识节点；共识节点对签名组中的签名信息进行共识验证，验证通过后将签名组中的聚合梯度信息上传至区块链网络。利用本发明方案，可以有效地保护各参与方私有数据的安全性，并降低了参与方的计算开销，而且实现了对模型数据的全生命周期维护。

主权项：1.一种联邦学习隐私保护方法，其特征在于，所述方法包括：中央服务器接收各参与方发送的基于同态加密的梯度密文；对接收的各参与方的梯度密文进行聚合及解密，得到聚合梯度信息；对所述聚合梯度信息进行数字签名，得到签名组，所述签名组中包括签名信息和聚合梯度信息；将所述签名组发送给共识节点；所述共识节点对所述签名组中的签名信息进行共识验证，验证通过后将所述签名组中的聚合梯度信息上传至区块链网络；其中，各参与方获取全局模型，并基于本地的私有数据与所述全局模型进行训练得到梯度数据；利用所述中央服务器的公钥和同态密钥对梯度数据加密，得到基于同态加密的梯度密文；将所述梯度密文发送至所述中央服务器；其中，各参与方获取全局模型，并基于本地的私有数据与所述全局模型进行训练得到梯度数据包括：首先，对于t+1次联邦模型迭代训练，参与方Pi运行随机梯度下降SGD算法，计算得到的梯度为： 其中，▽表示计算梯度算法，为联邦学习随机梯度下降FedSGD算法的最小化损失函数，datai是参与方Pi的本地训练数据样本，gradt是全局模型权重；其次，参与方Pi计算局部更新参数，其中是第t+1轮通信中参与方Pi的本地模型权重，η为学习率，表示本地模型更新的步长；最后，参与方Pi将局部模型更新参数量化，量化后的本地模型权重为： ；其中，表示参数量化算法；所述对接收的各参与方的梯度密文进行聚合及解密，得到聚合梯度信息包括：对接收的各参与方的梯度密文进行聚合，得到聚合信息；利用所述同态密钥对所述聚合信息进行解密，得到聚合梯度信息；中央服务器的公钥和同态密钥是参与方从中央服务器获取的，其中，同态密钥由密钥生成中心来生成，并通过安全信道发送给中央服务器。

全文数据：

权利要求：

百度查询： 中电科大数据研究院有限公司 联邦学习隐私保护方法及系统