CN115168902B 一种分组可验证的链式隐私保护联邦学习方法及装置 （武汉大学）_第1页
CN115168902B 一种分组可验证的链式隐私保护联邦学习方法及装置 （武汉大学）_第2页
CN115168902B 一种分组可验证的链式隐私保护联邦学习方法及装置 （武汉大学）_第3页
CN115168902B 一种分组可验证的链式隐私保护联邦学习方法及装置 （武汉大学）_第4页
CN115168902B 一种分组可验证的链式隐私保护联邦学习方法及装置 （武汉大学）_第5页
已阅读5页，还剩19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

一种分组可验证的链式隐私保护联邦学习本发明公开了一种分组可验证的链式隐私然后提出了一个可验证的安全聚合协议来保证不引入复杂密码学原语的基础下通过分组的链销较低，可解决资源受限场景下的联邦学习需2S2：联邦学习用户将服务器发送的全局模型参S3：不同组的联邦学习用户基于新的局部模型参数S4：通过每一组中的最后一位联邦学习用户将局S5：服务器对不同组的联邦学习用户发送的局部随机数发送给每组的第一个联邦学习用户和3度，vi.)表示计算梯度；w,"为第r轮迭代中得到的新的局部模型参数。本地训练模块，用于通过联邦学习用户将服务器发送的全局模型参数作为局部聚合模块，用于通过不同组的联邦学习用户聚合结果发送模块，用于通过每一组中的最后一位联邦学全局聚合模块，用于通过服务器对不同组的联邦学习用户发验证模块，用于通过联邦学习用户根据接收的全局验证标签验证49.一种计算机设备，包括存储器、处理器及56成的随机数δr发送给每组的第一个联邦学习用户和最后一个联邦学习用户，其中r表示当ir当前用户组的局部模型聚合结果，其中，g表示最后一个联邦学习用户在链式结构中的编78[0061]本发明实例提供一种面向边缘计算场景下轻量且安全的9成的随机数δr发送给每组的第一个联邦学习用户和最后一个联邦学习用户，其中r表示当生成器生成的随机数δr发送给每组的第一个联ir当前用户组的局部模型聚合结果，其中，g表示最后一个联邦学习用户在链式结构中的编送的参数和该用户得到的新的局部模型参数进行计算，得到对应的盲化后的局部模型参[0095]由于本发明实施例二所介绍的装置为实施本发明实施例一中分组可验证的链式[0098]由于本发明实施例三所介绍的计算机可读存储介质为实施本发明实施例一中分施例一所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变[0101]由于本发明实施例四所介绍的计算机设备为实施本发明实施例一中分组可验证发明实施例一中方法所采用的计算机设备都属于本发现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的

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