一种保护客户端偏好隐私的混淆聚类联邦学习方法及系统

    公开(公告)号:CN119761461A

    公开(公告)日:2025-04-04

    申请号:CN202411826732.6

    申请日:2024-12-12

    Applicant: 湖南大学

    Abstract: 本发明公开了一种保护客户端偏好隐私的混淆聚类联邦学习方法及系统,方法包括:聚类初始化步骤:S1.服务器将为每个聚类初始化模型,公钥和地址并发送给客户端;聚类身份生成步骤:S2.客户端选取损失值最小的模型,生成真实聚类标识符并进行本地更新。按照混淆比例生成多个混淆聚类身份,将其与标识符和本地模型发送给服务器,根据聚类身份进行混淆聚类。在聚类中聚合本地模型和标识符,生成混淆聚类模型和系数矩阵;聚类模型重建步骤:S3.客户端接收到服务器发送的混淆聚类模型和系数矩阵后,求解非齐次线性方程重建准确的聚类模型。进行多轮训练,直到模型符合标准。本发明能够抵御聚类联邦学习中偏好分析攻击,并且模型精度损失较小。

Patent Agency Ranking