-
公开(公告)号：CN120050060A
公开(公告)日：2025-05-27
申请号：CN202411938573.9
申请日：2024-12-26
Applicant: 湖北工业大学
Abstract: 本申请提供一种基于联邦学习的抗拜占庭攻击检测方法及系统，涉及隐私保护技术领域。该方法包括：聚合所有车辆的本地梯度训练待训练全局模型，得到已训练全局模型；确定已训练全局模型中的参数总数，并根据参数总数为所有所述车辆生成一组常数序列，将一组常数序列发送给所有所述车辆；接收车辆发送的本地梯度和；确定已训练全局模型的全局梯度和；根据本地梯度和与全局梯度和进行拜占庭攻击检测；本地梯度和是对应的车辆根据一组常数序列、本地梯度与一组混淆因子得到的；一组混淆因子是交通管理部门为车辆生成的。本申请能够确保本地梯度在上传和聚合过程中不会泄露隐私，降低计算开销，保证模型参数安全，同时减少拜占庭攻击。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
