CN113806768B 基于去中心化安全聚合的轻量级联邦学习隐私保护方法 （北京理工大学）_第1页
CN113806768B 基于去中心化安全聚合的轻量级联邦学习隐私保护方法 （北京理工大学）_第2页
CN113806768B 基于去中心化安全聚合的轻量级联邦学习隐私保护方法 （北京理工大学）_第3页
CN113806768B 基于去中心化安全聚合的轻量级联邦学习隐私保护方法 （北京理工大学）_第4页
CN113806768B 基于去中心化安全聚合的轻量级联邦学习隐私保护方法 （北京理工大学）_第5页
已阅读5页，还剩15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

号基于去中心化安全聚合的轻量级联邦学习本发明涉及一种基于去中心化安全聚合的2边缘节点为用户提供安全分散的局部模型聚合，它扮演两个角色：局部区块链分类帐本作为一个数据共享平台，利用全局模型聚合合约完成全局模型聚合，2.如权利要求1所述的基于去中心化安全聚合的轻量级联邦学习隐私保护方法，其特r3.如权利要求1所述的基于去中心化安全聚合的轻量级联邦学习隐私保护方法，其特模型oe'；当所有边缘节点数据返回所有集合后，边节点计算4.如权利要求1所述的基于去中心化安全聚合的轻量级联邦学习隐私保护方法，其特3中央聚合器进行聚合，该聚合器构建一个全局模型并将其发送给参与者进行下一轮训练。[0006](1)通过在全局模型中添加差分隐私(DifferentialPrivacy，DP)噪声来保护全[0009](2)利用同态加密(HomomorphicEncryption)技术来保护诚实但好奇的云服务器45[0029](3)本发明设计了一种基于一次性填充的安全参数划分和恢复算法，对局部和全学习率λ;6全局随机数覆盖的全局模型gt+R",该全局模型被来自用户ui的全局随机数pu'覆盖。[0059]用户ui得到g'+RO'后，去掉其自定义添加的全局随机数RU',通过g'=g'+从而得到全局模型gt。[0062]本实施例建立了本发明一种基于去中心化安全聚合的轻量级隐私保护联邦学习pp789些现有方法与该方法进行对比实验得到训练模型的准确率和时间开销对比结果，如表4与[0091]在表5中给出了与现有方法通信时间对比的结果。由于该方法中没有加密解密等保护方法对与成员推理攻击具有抵御作用。使用成员推理攻击方法对联邦学习、HEDL、DPFed、VerifyNet、PSA这五种不同的方法进行攻击，采用CIFAR-10数据集(https://

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