龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：同济大学
摘要：本发明提供一种基于OPTICS算法的跨轮次对抗后门恶意攻击的联邦机器学习方法。该方法通过OPTICS聚类，在每一轮迭代中对参与聚合的节点的节点梯度进行区分，并按照聚类结果对参训节点进行排序。在此基础上，引入信用分概念，每一轮聚合中，排序靠后的节点减分，靠前的节点加分，以此来实现跨迭代轮次的节点比较。信用分低于一定阈值的节点，将被排除在联邦梯度聚合的计算过程之外，其余节点正常参与聚合计算。计算得到新的全局参数后，服务器将新的全局参数下发给所有用户，每个用户根据接收到的中心模型参数进行下一轮的模型参数训练。相比于其他联邦学习算法，本方法可实现跨轮次地对后门恶意攻击者的识别，并消除其影响。
主权项：1.一种基于OPTICS算法的跨轮次对抗后门恶意攻击的联邦机器学习方法，其特征在于：利用OPTICS算法对参训节点的诚实情况进行评价并计算其信用分，排除信用分低于阈值的节点，尽可能消除恶意节点的影响；包括如下步骤：步骤10：系统随机选取的参训用户接收到中心服务器发送的全局参数，利用机器学习算法进行本地模型的训练和更新，并将更新后的本地模型参数上传给中心服务器；步骤20：中心服务器接收到用户的本地模型参数后，使用OPTICS算法对接收到的本地模型参数进行计算，根据计算结果更新每个节点的信用分；步骤30：中心服务器根据系统设置的阈值和各参训用户的信用分，排除信用分低于阈值的节点，将其余节点根据联邦平均算法进行聚合，得到新一轮的全局参数。
全文数据：
权利要求：
百度查询： 同济大学 一种基于OPTICS算法的跨轮次对抗后门恶意攻击的联邦机器学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号