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：华南理工大学
摘要：本发明公开了一种联邦学习隐私保护方法及系统，本发明在每一次联邦学习过程中，都对各个客户端上传的模型参数进行了加密处理，如此，使得在联邦学习过程中，各个客户端所上传的模型参数都是不可知的，从而避免了联邦学习场景下传输的梯度会导致隐私信息泄露的问题；同时，在服务器进行各个本地模型参数的聚合时，引入了干扰数据，并基于该干扰数据，来进行了本地模型参数的差分隐私聚合处理；基于此，可在实现全局模型参数聚合的同时，掩盖各个客户端的真实数据，使真实数据不可见，从而达到防止差分隐私攻击的目的；由此，本发明能够在联邦学习过程中，防止参与者的数据泄露，提高了联邦学习过程中各参与者数据的安全性。
主权项：1.一种联邦学习隐私保护方法，其特征在于，应用于可信平台、服务器以及若干客户端，其中，所述服务器和各个客户端上均部署有目标模型，且所述方法包括：可信平台生成信息密钥对，并将所述信息密钥对中的信息私钥发送至所述服务器，以及将所述信息密钥对中的信息公钥发送至各个客户端；服务器向各个客户端发送初始全局模型参数；各个客户端利用本地的训练数据集和接收到的初始全局模型参数，来训练本地的目标模型，以在训练结束后，得到对应的本地模型参数；各个客户端利用接收到的信息公钥，对对应的本地模型参数进行加密处理，得到加密模型参数，并将加密模型参数发送至所述服务器；服务器利用信息私钥，对接收到的各加密模型参数进行解密处理，得到若干解密模型参数；服务器利用若干解密模型参数，生成干扰数据，并利用所述干扰数据，对若干解密模型参数进行差分隐私聚合处理，以在差分隐私聚合处理后，得到隐私全局模型参数；服务器判断所述隐私全局模型参数是否为全局最优模型参数；若否，则将所述隐私全局模型参数作为所述初始全局模型参数，重新发送至各个客户端，直至生成的隐私全局模型参数为全局最优模型参数时为止，并将所述全局最优模型参数发送至各个客户端，以在发送后，完成各个客户端与服务器在联邦学习过程中的隐私保护。
全文数据：
权利要求：
百度查询： 华南理工大学 一种联邦学习隐私保护方法及系统
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