-
公开(公告)号：CN112214791A
公开(公告)日：2021-01-12
申请号：CN202011015760.1
申请日：2020-09-24
Abstract: 本发明公开了一种基于强化学习的隐私策略优化方法、系统及可读存储介质，所述方法包括：在移动端部署输入样本特征提取器，在云端部署输入样本重构器、目标分类器及隐私分类器，以完成初始模型的初始化；通过测试样本集对初始模型进行测试，将测试信息、当前的超参数和层数存储于为一信息单元；将信息单元的状态信息输入超参数优化器中进行超参数信息优化方案的选择、执行与优化方案奖励值的计算，并根据计算结果进行超参数优化器样本的增加、优化方案价值的更新及超参数优化器网络参数的更新；通过当前超参数优化器网络对初始模型进行优化，并获取最终的超参数优化结果和层数n。本发明能够在尽量不降低业务准确率的情况下提高隐私保护效果。
-
Patent Agency Ranking
公开(公告)号：CN112949865A
公开(公告)日：2021-06-11
申请号：CN202110292470.X
申请日：2021-03-18
Abstract: 本发明公开一种基于SIGMA协议的联邦学习贡献度评估方法，训练方向各个参与方发送模型和不可篡改的可信执行程序和非交互SIGMA协议及相关参数；参与方利用本地数据集对模型训练得到梯度，运行可信执行程序，提取参与方的梯度，对模型进行更新，并运行测试模块测试新模型的准确率，计算该梯度的贡献度；参与方根据加密算法对梯度编码并加密，发送至训练方；参与方产生一个随机值，使用加密算法对其加密，随后将当前生成的所有密文输入哈希函数沙箱，输出哈希值，并计算出一个承诺；参与方上传承诺、密文和贡献度至训练方，训练方计算出哈希值并验证承诺，若验证通过，则将该梯度密文与其贡献度绑定记录在数据库中。该方法能够实现不泄露隐私的梯度证明。
-
公开(公告)号：CN112214791B
公开(公告)日：2023-04-18
申请号：CN202011015760.1
申请日：2020-09-24
IPC: G06F21/62 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于强化学习的隐私策略优化方法、系统及可读存储介质，所述方法包括：在移动端部署输入样本特征提取器，在云端部署输入样本重构器、目标分类器及隐私分类器，以完成初始模型的初始化；通过测试样本集对初始模型进行测试，将测试信息、当前的超参数和层数存储于为一信息单元；将信息单元的状态信息输入超参数优化器中进行超参数信息优化方案的选择、执行与优化方案奖励值的计算，并根据计算结果进行超参数优化器样本的增加、优化方案价值的更新及超参数优化器网络参数的更新；通过当前超参数优化器网络对初始模型进行优化，并获取最终的超参数优化结果和层数n。本发明能够在尽量不降低业务准确率的情况下提高隐私保护效果。
-
公开(公告)号：CN113111124A
公开(公告)日：2021-07-13
申请号：CN202110315303.2
申请日：2021-03-24
Applicant: 广州大学
Abstract: 本发明公开了一种基于区块链的联邦学习数据审计系统及方法，该方法包括：模型买家发布待训练模型并设置若干测试集；数据交换节点向计算节点发放多密钥同态密钥和待训练模型；当计算节点训练完成后，使用测试集对本地梯度进行贡献度测试；各计算节点利用密钥分片计算联合密钥，并将梯度加密发送至各聚合节点；各聚合节点执行同态聚合后，使用联合密钥对聚合梯度进行解密；各聚合节点测试聚合梯度贡献度，若数值异常，则通过多次对比集合间的节点差异和贡献度差异，定位异常节点；聚合节点尝试将所有梯度密文等信息写入聚合节点内的新区块后将聚合密文发送至模型买家；当模型买家获取新的聚合梯度密文，向聚合节点购买联合私钥进行解密得到新梯度。
-
公开(公告)号：CN112949865B
公开(公告)日：2022-10-28
申请号：CN202110292470.X
申请日：2021-03-18
Abstract: 本发明公开一种基于SIGMA协议的联邦学习贡献度评估方法，训练方向各个参与方发送模型和不可篡改的可信执行程序和非交互SIGMA协议及相关参数；参与方利用本地数据集对模型训练得到梯度，运行可信执行程序，提取参与方的梯度，对模型进行更新，并运行测试模块测试新模型的准确率，计算该梯度的贡献度；参与方根据加密算法对梯度编码并加密，发送至训练方；参与方产生一个随机值，使用加密算法对其加密，随后将当前生成的所有密文输入哈希函数沙箱，输出哈希值，并计算出一个承诺；参与方上传承诺、密文和贡献度至训练方，训练方计算出哈希值并验证承诺，若验证通过，则将该梯度密文与其贡献度绑定记录在数据库中。该方法能够实现不泄露隐私的梯度证明。
-
公开(公告)号：CN113111124B
公开(公告)日：2021-11-26
申请号：CN202110315303.2
申请日：2021-03-24
Applicant: 广州大学
Abstract: 本发明公开了一种基于区块链的联邦学习数据审计系统及方法，该方法包括：模型买家发布待训练模型并设置若干测试集；数据交换节点向计算节点发放多密钥同态密钥和待训练模型；当计算节点训练完成后，使用测试集对本地梯度进行贡献度测试；各计算节点利用密钥分片计算联合密钥，并将梯度加密发送至各聚合节点；各聚合节点执行同态聚合后，使用联合密钥对聚合梯度进行解密；各聚合节点测试聚合梯度贡献度，若数值异常，则通过多次对比集合间的节点差异和贡献度差异，定位异常节点；聚合节点尝试将所有梯度密文等信息写入聚合节点内的新区块后将聚合密文发送至模型买家；当模型买家获取新的聚合梯度密文，向聚合节点购买联合私钥进行解密得到新梯度。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
