CN110719158A 基于联合学习的边缘计算隐私保护系统及保护方法 （南京航空航天大学）_第1页
CN110719158A 基于联合学习的边缘计算隐私保护系统及保护方法 （南京航空航天大学）_第2页
CN110719158A 基于联合学习的边缘计算隐私保护系统及保护方法 （南京航空航天大学）_第3页
CN110719158A 基于联合学习的边缘计算隐私保护系统及保护方法 （南京航空航天大学）_第4页
CN110719158A 基于联合学习的边缘计算隐私保护系统及保护方法 （南京航空航天大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于联合学习的边缘计算隐私保护系统及本发明公开了一种基于联合学习的边缘计能分析表明PPFL协议可以同时保证客户端数据2收众多客户端发送过来的加密数据后，经过解密之后对更新服务器端模型参数进行更新，2.一种基于如权利要求1所述基于联合学习的边缘计算隐私保护系统的边缘计算隐私(9)服务器将全局参数更新为并将新的全局参数分发到各客户3.根据权利要求2所属的基于联合学习的边缘计算隐私保护系统的边缘计算隐私保护(3.3)输入当前权重w计算预测值及预测值和真实值zi之间的误差":4.根据权利要求2所属的基于联合学习的边缘计算隐私保护系统的边缘计算隐私保护35.根据权利要求2所属的基于联合学习的边缘计算隐私保护系统的边缘计算隐私保护6.根据权利要求2所属的基于联合学习的边缘计算隐私保护系统的边缘计算隐私保护(8.1)服务器收到客户端加密更新后运行具有Paillier同态属性的聚合算法并获得聚4[0002]随着物联网(IoT)和移动网络应用的快速发展，深度学习技术在诸如计算机视觉高斯分布扰动添加到限幅梯度来保护用户的数据隐私。Geyer等人引入了用户端差分隐私解决方案——隐私保护前提下的设备联合学习(privacy-preservingon-device收众多客户端发送过来的加密数据后，经过解密之后对更新服务器端模型参数进行更新，5[0007]一种基于所述基于联合学习的边缘计算隐私保护系统的边缘计[0021](3.3)输入当前权重w计算预测值及预测值和真实值zi之间的误差":[0027](4.1)根据加密方案中使用的6[0038](8.1)服务器收到客户端加密更新后运行具有Paillier同态属性的聚合算法并获e"为各客户端发送的密文。密之后对本地参数进行更新，进而更新深度学习的模型，如附图1展示了为本系统的客户7[0048]基于上述系统模型，本发明的一种基于设备联合学习的边缘始数据添加几何分布噪声来构建DD-Priv[0054]我们考虑让用户自己添加对其私有数据的扰动。根据加密方案[0057]我们可以简单地通过将Geo(α)添加到每个参与者的原始数据来构建DD-Private8[0062]之后，它将公钥PKP发送给采样的客户端，并通过安全通道将私9[0077](1)使每个参与者安全地提交数据以执行总聚合而无需任何可信聚合器。近期许累积噪声并极大地损害全局模型的准确性。而本发明提出的基于分布式差异隐私(DD-Privacy)机制和安全数据聚合(SDA)方法的隐私保护设备联合学习方案，可以同时保证用[

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论