公开(公告)号：CN116541878A

公开(公告)日：2023-08-04

申请号：CN202310470235.6

申请日：2023-04-27

Applicant: 电子科技大学

Inventor： 李洪伟 ,  胡佳 ,  冯宇扬 ,  陈涵霄 ,  郝猛 ,  张希琳 ,  张源 ,  刘鹏飞

IPC: G06F21/62 ,  G06N20/20 ,  G06N3/0464

Abstract: 本发明公开了一种基于安全两方计算S型函数的隐私保护方法，属于联邦学习的隐私保护技术领域。本发明在包括一个服务端和若干个客户端的联邦学习系统中，服务端响应于客户端发起的预测任务请求，将匹配于预测任务请求的神经网络模型下发给客户端；客户端基于本端的待预测数据，在本发明所设置的隐私保护数据分享的规则下通过与服务端之间的数据交互逐层完成本端对神经网络模型的前向推理运算，获取待预测数据的预测结果。本发明对联邦学习的模型训练过程中参与前向推理运算的相关参数，在服务端与客户端之间被双方以秘密分享方式存储的参数，计算后的结果仍以秘密分享方式存储，以此保证隐私安全。在一定的计算准确率下降低了计算量和通信开销。