-
公开(公告)号：CN118094008A
公开(公告)日：2024-05-28
申请号：CN202410273717.7
申请日：2024-03-11
Applicant: 南京理工大学
IPC: G06F16/9535 , G06F21/60 , G06F21/62 , G06F21/64
Abstract: 本发明公开了一种基于国密算法和联邦学习的新闻推荐方法。方法为：首先服务器分发全局用户模型和全局新闻模型给各个客户端，客户端根据本地数据训练模型，得到用户模型梯度和新闻模型梯度；然后客户端将用户模型梯度和新闻模型梯度使用SM9算法进行数字签名，并使用SM2算法进行加密，将签名与密文打包上传至服务器；服务器端接收数据包后先进行解密和验签，确认未被篡改后，使用聚合梯度更新全局用户模型和全局新闻模型；重复进行交互训练模型，直到全局用户模型收敛，得到最终的全局用户模型，使用最终的全局用户模型进行新闻推荐。本发明增强了用户的隐私保护，降低了模型遭遇投毒攻击的风险，并且具有较好的推荐性能和较低的通信开销。
Search Results
1
records
(took 0.024 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
