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：华东师范大学

摘要：本发明公开了一种可验证的隐私保护线性模型纵向联邦学习方法，其特点是该方法包括：系统初始化阶段，生成系统安全参数和密钥配对；参与方初始化阶段，参与方进行密钥协商并初始化本地模型，加密本地数据并上传；上传阶段，参与方计算并加密局部模型梯度，并生成证明向量以供验证；聚合阶段，聚合器收集参与方的加密梯度数据，执行安全的聚合计算，并将结果和证明向量发送回参与方；更新阶段，参与方验证聚合结果的正确性并更新本地模型等步骤。本发明与现有技术相比具有增强系统对网络波动和参与方动态变化的适应性和鲁棒性，解决了纵向联邦学习中存在的隐私泄露和恶意服务器问题，不但提升了系统的可靠性和实用性，而且还减少了计算和通信开销。

主权项：1.一种可验证的隐私保护线性模型纵向联邦学习方法，其特征在于，该方法具体包括以下几个步骤：a步骤：系统初始化阶段根据安全参数和参与方数量，可信机构负责生成密码系统的公共参数以及各参与方的公私钥对集合，将私钥分配给对应的参与方并公开公钥；b步骤：参与方初始化阶段参与方执行样本数据的对齐和迪菲-赫尔曼密钥协商，生成两两之间的共享密钥，参与方各自对本地数据进行加密并进行公开，同时初始化本地模型，参与方还生成一个秘密随机数向量，并通过秘密分享生成的分片由其他参与方持有；c步骤：上传阶段参与方根据上传第kk≥0个epoch中的第idxidx≥0个小批量数据集，计算本地模型输出和局部模型的梯度分片密文，参与方使用私钥为每个梯度分片密文生成数字签名，并在梯度分片密文上添加二层掩码，得到安全聚合输入，将其与证明向量和数字签名上传到聚合器，所述二层掩码分别为秘密随机数生成的自掩码和共享密钥生成的配对掩码；d步骤：聚合阶段聚合器从参与方处收集加密的梯度数据，并执行安全聚合计算，包括从在线参与方集合视图中合法收集秘密随机数分片或配对掩码，并将这些信息用于恢复参与方提交的安全聚合输入，所述聚合器根据收集到的数据计算每个参与方的局部模型梯度密文，并将聚合结果连同相关证明和数字签名一起发送给参与方；e步骤：更新阶段参与方根据收到的聚合结果进行局部模型的更新，参与方验证收到的数据包括数字签名和聚合结果的一致性，然后对局部模型梯度密文进行解密获得局部模型梯度，并完成后续的模型参数更新。

全文数据：

权利要求：

百度查询： 华东师范大学 一种可验证的隐私保护线性模型纵向联邦学习方法