[发明专利]一种在隐私保护下的去中心化联邦机器学习方法有效
| 申请号： | 202010413698.5 | 申请日： | 2020-05-15 |
| 公开（公告）号： | CN111600707B | 公开（公告）日： | 2023-04-14 |
| 发明（设计）人： | 陈泯融;陈锦华;曾国强;翁健;翁嘉思;初萍 | 申请（专利权）人： | 华南师范大学 |
| 主分类号： | H04L9/08 | 分类号： | H04L9/08;H04L9/32;H04L9/00;H04L9/40;G06F21/57;G06F21/62;G06N20/00 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 510631 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种在隐私保护下的去中心化联邦学习方法，包括系统初始化步骤，请求模型与本地并行训练步骤，模型参数加密与模型发送步骤，模型接收与恢复步骤，系统更新步骤。通过使用随机选取参与者作为参数聚合者的策略实现去中心化，解决了现有联邦学习易受DoS攻击、参数服务器单点故障等缺点；结合PVSS可验证秘密分发协议保护参与者模型参数免受模型反演攻击、数据成员推理攻击。同时保证了在每一次训练任务由不同的参与者来进行参数聚合，当出现不信任的聚合者或者其遭受攻击时，可自行恢复正常，增加了联邦学习的鲁棒性；本发明在实现以上功能的同时，保证了联邦学习的性能，有效地改善了联邦学习的安全训练环境，具有广泛地应用前景。 | ||
| 搜索关键词： | 一种 隐私 保护 中心 联邦 机器 学习方法 | ||
【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华南师范大学，未经华南师范大学许可，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/202010413698.5/，转载请声明来源钻瓜专利网。
