-
公开(公告)号：CN118734940B
公开(公告)日：2025-01-07
申请号：CN202411220041.1
申请日：2024-09-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本公开提供一种基于无损联邦学习的模型训练方法及相关设备。该方法包括：生成公共参数和所述服务器的服务器公私钥对；向客户端广播所述公共参数和所述服务器的服务器公钥；基于噪声信息对当前全局模型进行全局扰动，得到当前扰动模型，并将所述扰动模型发送至客户端；接收经过所述客户端处理的最新局部模型和所述客户端的客户端公钥；其中，所述客户端基于所述公共参数生成所述客户端的客户端公私钥对；基于所述客户端的客户端私钥和所述服务器公钥获取所述当前扰动模型，并基于本地训练数据对所述当前扰动模型进行训练，得到所述最新局部模型；基于所述最新局部模型进行聚合，得到消除所述扰动的最新全局模型。
-
公开(公告)号：CN118842654B
公开(公告)日：2024-11-26
申请号：CN202411315697.1
申请日：2024-09-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本申请实施例提供一种联邦模型聚合加密方法及系统，包括客户端利用盲因子对本地模型参数盲化，并加密后将密文本地模型参数发送至聚合服务器；聚合服务器基于代理重加密方法将该参数转换为聚合服务器公钥下的密文模型参数，聚合生成聚合密文模型参数，利用聚合服务器的私钥对聚合密文模型参数解密得到聚合模型参数，利用客户端的公钥对聚合模型参数加密，得到客户端公钥下的聚合模型参数；辅助服务器利用客户端的公钥对计算出的聚合盲因子加密，将密文聚合盲因子并发送至聚合服务器；聚合服务器根据聚合模型参数和密文聚合盲因子，确定去盲化的聚合模型参数，客户端利用私钥解密后得到聚合模型参数。能够保证隐私数据的安全性，不会增加资源开销。
-
公开(公告)号：CN118734940A
公开(公告)日：2024-10-01
申请号：CN202411220041.1
申请日：2024-09-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本公开提供一种基于无损联邦学习的模型训练方法及相关设备。该方法包括：生成公共参数和所述服务器的服务器公私钥对；向客户端广播所述公共参数和所述服务器的服务器公钥；基于噪声信息对当前全局模型进行全局扰动，得到当前扰动模型，并将所述扰动模型发送至客户端；接收经过所述客户端处理的最新局部模型和所述客户端的客户端公钥；其中，所述客户端基于所述公共参数生成所述客户端的客户端公私钥对；基于所述客户端的客户端私钥和所述服务器公钥获取所述当前扰动模型，并基于本地训练数据对所述当前扰动模型进行训练，得到所述最新局部模型；基于所述最新局部模型进行聚合，得到消除所述扰动的最新全局模型。
-
公开(公告)号：CN118842654A
公开(公告)日：2024-10-25
申请号：CN202411315697.1
申请日：2024-09-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本申请实施例提供一种联邦模型聚合加密方法及系统，包括客户端利用盲因子对本地模型参数盲化，并加密后将密文本地模型参数发送至聚合服务器；聚合服务器基于代理重加密方法将该参数转换为聚合服务器公钥下的密文模型参数，聚合生成聚合密文模型参数，利用聚合服务器的私钥对聚合密文模型参数解密得到聚合模型参数，利用客户端的公钥对聚合模型参数加密，得到客户端公钥下的聚合模型参数；辅助服务器利用客户端的公钥对计算出的聚合盲因子加密，将密文聚合盲因子并发送至聚合服务器；聚合服务器根据聚合模型参数和密文聚合盲因子，确定去盲化的聚合模型参数，客户端利用私钥解密后得到聚合模型参数。能够保证隐私数据的安全性，不会增加资源开销。
-
-
-
Search Results
4
records
(took 0.042 seconds)
