公开(公告)号：CN117171814B

公开(公告)日：2024-06-04

申请号：CN202311268552.6

申请日：2023-09-28

申请人： 数力聚(北京)科技有限公司

发明人： 李乐平 ,  郭晶晶 ,  刘昌

IPC分类号： G06F21/64 ,  G06F21/60 ,  G06N3/098

摘要： 一种基于差分隐私的联邦学习模型完整性验证方法、系统、设备及介质，利用差分隐私技术对各参与方本地模型添加噪声实现隐私保护，同时通过消除聚合结果中的噪声实现无损的模型性能；此外，本发明通过设定采样率确定完整性验证级别，并通过聚合各参与方的本地模型采样参数实现全局模型的完整性验证；其系统、设备及介质，对参与方本地模型的隐私保护，通过聚合各参与方的本地模型采样参数实现全局模型的完整性验证；具有计算复杂程度低，对于敌手的假设性更强，隐私性保护好的优点。

公开(公告)号：CN117196017A

公开(公告)日：2023-12-08

申请号：CN202311271587.5

申请日：2023-09-28

申请人： 数力聚(北京)科技有限公司

发明人： 李乐平 ,  郭晶晶 ,  徐贵泓

IPC分类号： G06N3/098 ,  G06F21/60

摘要： 一种轻量级隐私保护和完整性验证的联邦学习方法、系统、设备及介质，其方法基于同态加密技术对参与方局部模型参数进行加密来保护参与方的隐私，利用同态哈希技术的全局模型完整性验证方案来检测聚合服务器是否诚实地执行了聚合算法并给出了正确地聚合结果，在保护参与方隐私地同时，能够保证最终得到的全局模型是真实、正确的；其系统、设备及介质能够基于所述方法用同态加密技术保护参与方的隐私，并利用同态哈希技术实现本地模型聚合结果的完整性验证；相较于需要进行大量计算的全局模型完整性验证方案，本发明的计算开销和通信开销均保持较低水平，更符合现实场景的需求；此外本发明无需对模型信息添加噪声等其他信息，不会影响联邦学习的训练精度。

公开(公告)号：CN117196017B

公开(公告)日：2024-08-02

申请号：CN202311271587.5

申请日：2023-09-28

申请人： 数力聚(北京)科技有限公司

发明人： 李乐平 ,  郭晶晶 ,  徐贵泓

IPC分类号： G06N3/098 ,  G06F21/60

摘要： 一种轻量级隐私保护和完整性验证的联邦学习方法、系统、设备及介质，其方法基于同态加密技术对参与方局部模型参数进行加密来保护参与方的隐私，利用同态哈希技术的全局模型完整性验证方案来检测聚合服务器是否诚实地执行了聚合算法并给出了正确地聚合结果，在保护参与方隐私地同时，能够保证最终得到的全局模型是真实、正确的；其系统、设备及介质能够基于所述方法用同态加密技术保护参与方的隐私，并利用同态哈希技术实现本地模型聚合结果的完整性验证；相较于需要进行大量计算的全局模型完整性验证方案，本发明的计算开销和通信开销均保持较低水平，更符合现实场景的需求；此外本发明无需对模型信息添加噪声等其他信息，不会影响联邦学习的训练精度。

公开(公告)号：CN117171814A

公开(公告)日：2023-12-05

申请号：CN202311268552.6

申请日：2023-09-28

申请人： 数力聚(北京)科技有限公司

发明人： 李乐平 ,  郭晶晶 ,  刘昌

IPC分类号： G06F21/64 ,  G06F21/60 ,  G06N3/098

摘要： 一种基于差分隐私的联邦学习模型完整性验证方法、系统、设备及介质，利用差分隐私技术对各参与方本地模型添加噪声实现隐私保护，同时通过消除聚合结果中的噪声实现无损的模型性能；此外，本发明通过设定采样率确定完整性验证级别，并通过聚合各参与方的本地模型采样参数实现全局模型的完整性验证；其系统、设备及介质，对参与方本地模型的隐私保护，通过聚合各参与方的本地模型采样参数实现全局模型的完整性验证；具有计算复杂程度低，对于敌手的假设性更强，隐私性保护好的优点。