公开(公告)号：CN115883076A

公开(公告)日：2023-03-31

申请号：CN202211483881.8

申请日：2022-11-16

Applicant: 西安邮电大学

Inventor： 张应辉 ,  刘伟 ,  曹大禹 ,  韩刚 ,  郭瑞 ,  郑东

IPC: H04L9/08 ,  H04L9/30

Abstract: 本发明属于联邦学习隐私保护技术领域，公开了一种联邦学习隐私保护方法、系统、介质、设备及终端，初始化阶段，服务器和客户端完成认证密钥对、秘密共享辅助函数以及秘密共享密钥对的初始化；密钥分发阶段，基于椭圆曲线的Diffie‑Hellman密钥交换，构造齐次线性递归数列并计算掩码的公共参数，并发送参数给服务器；掩码生成及客户端认证阶段，计算掩码并加入至本地模型参数；客户端生成认证参数，服务器认证客户端，服务器聚合模型参数并广播列表；模型聚合阶段，客户端计算秘密共享参数，服务器恢复掉线客户端掩码和在线客户端随机数掩码，服务器完成聚合并广播参数。本发明实现了对密钥的可快速分发，同时保证密钥的隐私性。

公开(公告)号：CN115277015A

公开(公告)日：2022-11-01

申请号：CN202210835092.X

申请日：2022-07-16

Applicant: 西安邮电大学

Inventor： 张应辉 ,  曹大禹 ,  刘伟 ,  韩刚 ,  郑东

IPC: H04L9/32 ,  H04L9/08 ,  H04L9/06 ,  H04L9/00

Abstract: 本发明属于机器学习安全技术领域，公开了一种异步联邦学习隐私保护方法、系统、介质、设备及终端，初始化系统并选取随机参数，公开系列参数和签名公钥；用户生成签名以及公私钥对并发送给服务器，服务器将用户身份信息和公钥打包广播给其他用户；用户接收到数据后生成随机参数对应的子秘密以及一次性会话密钥；用户之间生成共享密钥并对用户信息加密；用户待加密信息为加权后的用户本地信息；用户将加掩码后的数据发送给服务器，服务器对数据进行聚合，得到聚合结果；服务器将聚合结果除以最终参与训练用户持有的样本总数，得到全局模型。本发明的异步联邦学习隐私保护方法保护了联邦学习中用户的隐私性；减少了学习训练的时间，节省了资源。