公开(公告)号：CN118114296A

公开(公告)日：2024-05-31

申请号：CN202410155719.6

申请日：2024-02-04

申请人： 西安电子科技大学

发明人： 刘景伟 ,  朱珺嵘 ,  孙蓉 ,  刘伟 ,  张华翀

IPC分类号： G06F21/62 ,  H04L9/40 ,  H04L9/00 ,  G06F21/60 ,  G06N3/0464 ,  G06N3/098

摘要： 本发明提出了一种横向联邦学习场景下的隐私保护贡献评估方法，实现步骤为：构建横向联邦学习系统；客户端本地迭代训练；辅助服务器获取密态子模型参数和密态全局模型参数；聚合服务器解密密态全局模型参数；辅助服务器评估客户端的总贡献度。本发明在整个联邦学习过程中，辅助服务器仅能获得客户端的密态模型参数和客户端的贡献度，聚合服务器虽然在解密密态子模型参数时能够计算出某一个客户端的模型参数，但无法确定它属于哪一个特定的客户端，避免了现有技术因云服务器有能力采用模型反演攻击或成员推理攻击来推导客户端的隐私数据的缺陷，有效提高了客户端隐私数据的安全性。