一种抵御投毒攻击的去中心化联邦学习方法

    公开(公告)号:CN117171786A

    公开(公告)日:2023-12-05

    申请号:CN202311053642.3

    申请日:2023-08-21

    Abstract: 本发明公开了一种抵御投毒攻击的去中心化联邦学习方法,由联邦学习和区块链两部分共同完成;联邦学习负责本地数据的收集和训练;区块链负责本地模型更新验证以及全局模型参数聚合,联邦学习中产生的模型更新参数和验证结果由区块链来进行存储,区块链上的矿工也可以聚合全局模型,从而代替中央服务器的工作。本发明原始数据依然保留在客户端中,降低了区块链网络恶意攻击导致数据泄露的风险,同时区块链系统作为一种分布式账本储存联邦学习过程中的中间结果,保证了系统的透明度和可追溯性;而且区块链系统取代了中央服务器,避免了传统联邦学习中的单点故障等问题;能够最大限度地避免客户端中毒攻击给联邦学习过程带来的影响。

Patent Agency Ranking