[发明专利]一种基于三方同态加密纵向联邦学习的模型保护方法在审
| 申请号： | 202210359699.5 | 申请日： | 2022-04-06 |
| 公开（公告）号： | CN114936372A | 公开（公告）日： | 2022-08-23 |
| 发明（设计）人： | 裴廷睿;马盛豪;李哲涛;曹江莲;李艳春;龙赛琴 | 申请（专利权）人： | 湘潭大学 |
| 主分类号： | G06F21/60 | 分类号： | G06F21/60;G06F21/62;G06N20/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 411105 *** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 针对目前联邦学习不同参与者在私人数据训练模型的过程中的隐私泄露问题，本发明提出了一种基于三方同态加密纵向联邦学习的模型保护方法。本发明步骤：首先，在传统纵向联邦学习系统中提出了一种分类交叉熵损失函数，它在客户端而不是集中式服务器上部署基于梯度的优化器，优化目标是最小化针对标签的分类交叉熵损失；然后参与训练的双方采用隐私保护实体对齐技术获得双方共同的ID进行联邦模型训练，确保系统双方不会暴露各自原始数据；最后，在加密模型训练阶段采用半同态加密进行加解密双方交换的部分梯度，使得存储的标签不会离开本地。本发明提供了系统的理论性能，显著降低了通信成本，还为数据提供了较强的隐私保护。 | ||
| 搜索关键词： | 一种 基于 同态 加密 纵向 联邦 学习 模型 保护 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湘潭大学，未经湘潭大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210359699.5/，转载请声明来源钻瓜专利网。
