-
公开(公告)号：CN109684855B
公开(公告)日：2020-07-10
申请号：CN201811540698.0
申请日：2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。
-
公开(公告)号：CN109474928B
公开(公告)日：2020-06-16
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN109474928A
公开(公告)日：2019-03-15
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
-
Search Results
13
records
(took 0.074 seconds)
