CN112883377B 一种基于特征对抗的联邦学习中毒检测方法和装置 （杭州榕数科技有限公司）_第1页
CN112883377B 一种基于特征对抗的联邦学习中毒检测方法和装置 （杭州榕数科技有限公司）_第2页
CN112883377B 一种基于特征对抗的联邦学习中毒检测方法和装置 （杭州榕数科技有限公司）_第3页
CN112883377B 一种基于特征对抗的联邦学习中毒检测方法和装置 （杭州榕数科技有限公司）_第4页
CN112883377B 一种基于特征对抗的联邦学习中毒检测方法和装置 （杭州榕数科技有限公司）_第5页
已阅读5页，还剩13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

一种基于特征对抗的联邦学习中毒检测方本发明公开了一种基于特征对抗的联邦学防御客户端利用防御补丁数据集和本地数据优本中后在在联邦学习模型中的防御目标标签的2将每轮参数训练的所有客户端划分为良性客户端和防御客户端，并每轮训练时，良性客户端利用本地数据集优化良性模型，防御客端利用主动学习策略策略，采用公式(2)从防御补丁数据集中筛选使模型的信息熵含量最最佳防御补数据的个数，即最佳防御补数据集DPlog包含N个最佳防4.如权利要求1或3所述的基于特征对抗客户端采用公式(3)利用最佳防御补丁数据信度与防御目标的标签τ的交叉熵损失函数，dplog表示从最佳防御补丁数据集DPlog中选择3将从最佳防御补丁数据集DPlog中选择的最佳防御补丁数据dplog添加到测试样本S得到聚合所有良性模型和防御模型得到联邦学习模型后下发联邦学习模型到良性客户端和防8.一种基于特征对抗的联邦学习中毒检测装及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在4[0004]联邦学习的基本工作流程主要包括：(1)参与者从云服务器上下载已成初始化的(2)云服务器通过模型平均算法收集各个本地更新参数并更新全局模型。由5和本地数据集联合优化防御模型，服务端聚合所有良性模型和防御模型得到联邦学习模机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机处理器执行所述计算机程序时实现上述基于特征对抗的联邦学习中毒检测方[0014]与现有技术相比，本发明提供的基于特征对抗的联邦学[0018]图2是本发明实施例提供的基于特征对抗的联邦学习中毒检测方法中训练阶段的[0019]图3是本发明实施例提供的基于特征对抗的联邦学习中毒检测方法中检测阶段的6[0023]图1是本发明实施例提供的基于特征对抗的联邦学习中毒检测方法的流程图。如[0027]针对参与训练的所有良性客户端，每个良性客户端采用公式(1)利用本地数据集7len(dp)]表示攻击成功率att和补丁大小len(dp)之间的关系，即L2[att,len(dp)]＝att*式(2)理解为是通过选取不同的防御补丁数据使得特征嵌入的补丁触发成功率最高并且补[0034]在获得最佳防御补数据集DPlog后，防御客户端采用公式(3)利用最佳防御补丁数测置信度与防御目标的标签τ的交叉熵损失函数，dplog表示从最佳防御补丁数据集DPlog中选择的最佳防御补丁数据，R(x,dplog)表示采用防御补丁叠加方法R将最佳防御补丁数据务端采用公式(4)聚合所有良性模型和防御模[0041]服务端聚合所有良性模型和防御模型得到联邦学习模型后下发联邦学习模型到得最后一轮优化后的联邦学习模型Gbest用于中毒佳防御补丁数据添加到测试样本中后在在联邦学习模型中的防御目标标签的预测结果是[0046]将从最佳防御补丁数据集DPlog中选择的最佳防御补丁数据dplog添加到测试样本S8[0050]实施例还提供了一种基于特征对抗的联邦学习中毒检测装置，包括计算机存储

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