-
公开(公告)号：CN113609521B
公开(公告)日：2022-11-01
申请号：CN202110851168.3
申请日：2021-07-27
Applicant: 广州大学
Abstract: 本发明公开了一种基于对抗训练的联邦学习隐私保护方法及系统，该方法包括：接收服务器发送的全局模型；根据本地计算能力和本地隐私需求，将所述全局模型划分为特征提取器和目标分类器，并从多个预设隐私分类器中，选择任一对应的所述预设隐私分类器作为本地隐私分类器，以及根据本地数据集和所述特征提取器，对所述目标分类器和所述本地隐私分类器进行对抗训练，得到本地训练信息；将所述本地训练信息上传至所述服务器，以使所述服务器根据所述本地训练信息，聚合更新所述全局模型。本发明不仅有效避免联邦学习内容级隐私的泄漏，而且减少了客户端与服务器的通信次数，有效提高联邦学习训练的准确率和效率，进一步提升联邦学习的服务质量。
-
Patent Agency Ranking
公开(公告)号：CN113836556A
公开(公告)日：2021-12-24
申请号：CN202111134122.6
申请日：2021-09-26
Applicant: 广州大学
Abstract: 本发明提供了面向联邦学习的去中心化函数加密隐私保护方法及系统，所述方法为获取服务器发送的初始模型、公共数据集、加密标签、加密素数、加密权重和权重向量参数；根据本地数据集对初始模型进行训练得到本地模型，并根据公共数据集对本地模型进行测试得到模型准确率；根据加密素数生成加密私钥和部分解密密钥，并根据加密私钥和加密标签对本地模型进行函数加密得到加密模型；将加密模型、部分解密密钥和模型准确率发送给服务器，以使服务器根据部分解密密钥、加密标签、加密权重和模型准确率对加密模型进行解密聚合得到全局模型。本发明保证服务器不能获得用户本地模型的同时，有效防止第三方与服务器共谋攻击，提升隐私保护力度和服务效果。
-
公开(公告)号：CN113609521A
公开(公告)日：2021-11-05
申请号：CN202110851168.3
申请日：2021-07-27
Applicant: 广州大学
Abstract: 本发明公开了一种基于对抗训练的联邦学习隐私保护方法及系统，该方法包括：接收服务器发送的全局模型；根据本地计算能力和本地隐私需求，将所述全局模型划分为特征提取器和目标分类器，并从多个预设隐私分类器中，选择任一对应的所述预设隐私分类器作为本地隐私分类器，以及根据本地数据集和所述特征提取器，对所述目标分类器和所述本地隐私分类器进行对抗训练，得到本地训练信息；将所述本地训练信息上传至所述服务器，以使所述服务器根据所述本地训练信息，聚合更新所述全局模型。本发明不仅有效避免联邦学习内容级隐私的泄漏，而且减少了客户端与服务器的通信次数，有效提高联邦学习训练的准确率和效率，进一步提升联邦学习的服务质量。
-
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：CN113836556B
公开(公告)日：2022-11-04
申请号：CN202111134122.6
申请日：2021-09-26
Applicant: 广州大学
Abstract: 本发明提供了面向联邦学习的去中心化函数加密隐私保护方法及系统，所述方法为获取服务器发送的初始模型、公共数据集、加密标签、加密素数、加密权重和权重向量参数；根据本地数据集对初始模型进行训练得到本地模型，并根据公共数据集对本地模型进行测试得到模型准确率；根据加密素数生成加密私钥和部分解密密钥，并根据加密私钥和加密标签对本地模型进行函数加密得到加密模型；将加密模型、部分解密密钥和模型准确率发送给服务器，以使服务器根据部分解密密钥、加密标签、加密权重和模型准确率对加密模型进行解密聚合得到全局模型。本发明保证服务器不能获得用户本地模型的同时，有效防止第三方与服务器共谋攻击，提升隐私保护力度和服务效果。
-
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 0.018 seconds)
