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!
摘要:本发明公开了一种适于防御DLG攻击的多策略联邦学习方法,包括为每个客户端提供一个条件生成对抗网络cGAN,该cGAN局部执行训练生成器,使生成器捕获特征提取器的特征分布,以模拟特征提取器;在每一轮FL通信中,客户端本地训练完成后将自己的生成器和分类器进行自适应差分隐私处理,然后将自适应差分隐私处理后的生成器和分类器发送至服务器;服务器将接收到的所有客户端发送的生成器和分类器采用SemCKD算法进行聚合,构建全局生成器和全局分类器;客户端下载全局生成器和全局分类器来替换自身的生成器和分类器,并开始下一次训练迭代。本发明不仅显著增强了模型对DLG攻击的安全性,还保持了较高的模型准确率和训练效率,且没有引入额外的计算与通信成本。
主权项:1.一种适于防御DLG攻击的多策略联邦学习方法,其特征在于,基于联邦学习框架,包括以下步骤:S10、为每个持有私有数据集的客户端Xi提供一个条件生成对抗网络cGAN,该条件生成对抗网络cGAN局部执行训练生成器,使生成器捕获客户端分类网络的特征提取器的特征分布,以模拟客户端分类网络的特征提取器,然后将cGAN的生成器和客户端分类网络的分类器发送至服务器进行聚合,同时将客户端分类网络的特征提取器和cGAN的鉴别器保留在客户端本地;S20、在每一轮FL通信中,客户端本地训练完成后且发送至服务器之前,客户端将自己的条件生成对抗网络cGAN的生成器和客户端分类网络的分类器进行自适应差分隐私处理,然后将自适应差分隐私处理后的生成器和分类器发送至服务器;S30、服务器将接收到的所有客户端发送的生成器和分类器采用SemCKD算法作为知识蒸馏策略进行聚合,构建一个全局生成器和一个全局分类器;S40、客户端下载所述全局生成器和全局分类器来替换自身的生成器和分类器,并开始下一次训练迭代。
全文数据:
权利要求:
百度查询: 电子科技大学 一种适于防御DLG攻击的多策略联邦学习方法
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。