公开(公告)号：CN118114296A

公开(公告)日：2024-05-31

申请号：CN202410155719.6

申请日：2024-02-04

Applicant: 西安电子科技大学

Inventor： 刘景伟 ,  朱珺嵘 ,  孙蓉 ,  刘伟 ,  张华翀

IPC: G06F21/62 ,  H04L9/40 ,  H04L9/00 ,  G06F21/60 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提出了一种横向联邦学习场景下的隐私保护贡献评估方法，实现步骤为：构建横向联邦学习系统；客户端本地迭代训练；辅助服务器获取密态子模型参数和密态全局模型参数；聚合服务器解密密态全局模型参数；辅助服务器评估客户端的总贡献度。本发明在整个联邦学习过程中，辅助服务器仅能获得客户端的密态模型参数和客户端的贡献度，聚合服务器虽然在解密密态子模型参数时能够计算出某一个客户端的模型参数，但无法确定它属于哪一个特定的客户端，避免了现有技术因云服务器有能力采用模型反演攻击或成员推理攻击来推导客户端的隐私数据的缺陷，有效提高了客户端隐私数据的安全性。

公开(公告)号：CN118101175A

公开(公告)日：2024-05-28

申请号：CN202410155720.9

申请日：2024-02-04

Applicant: 西安电子科技大学

Inventor： 刘景伟 ,  杨庆辉 ,  孙蓉 ,  刘伟 ,  张华翀

IPC: H04L9/08 ,  H04L9/00 ,  G06F18/2132 ,  G06N20/00

Abstract: 本发明提出了一种基于全同态加密的纵向联邦特征选择方法，实现步骤为：初始化纵向联邦学习系统、主动参与方对明文进行全同态加密、每个被动参与方获取掩盖后的密文并发送、主动参与方计算掩盖后的Fisher分数、获取纵向联邦特征选择结果。本发明主动参与方对每个目标类别标签进行独热编码，并对独热编码得到的标签矩阵中的每个列向量及其统计量和统计量的倒数分别进行全同态加密后，将密文发送给每个被动参与方，实现所有被动参与方对目标类别标签信息的共享，在兼顾安全性的同时有效降低了通信开销，同时本发明主动参与方与每个被动参与方仅需要进行三次信息发送，每个被动参与方就可以获取纵向联邦特征选择结果，有效提高了选择效率。

公开(公告)号：CN118101160A

公开(公告)日：2024-05-28

申请号：CN202410155718.1

申请日：2024-02-04

Applicant: 西安电子科技大学

Inventor： 刘景伟 ,  杜伟 ,  孙蓉 ,  刘伟 ,  张华翀

IPC: H04L9/00 ,  H04L9/08 ,  H04L9/40 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提出了一种基于双陷门全同态加密的联邦学习聚合方法，实现步骤为：初始化联邦学习系统；聚合服务器和每个客户端协商会话密钥；每个客户端对本地模型进行训练并上传全同态加密掩盖参数；聚合服务器计算加密距离；辅助服务器和每个客户端分别对加密距离进行部分解密；聚合服务器获取加密全局模型参数并发送；每个客户端获取聚合后的全局模型参数。本发明采用全同态加密与会话密钥结合的方式，避免了通过两个服务器合谋就能解密出本地模型参数的缺陷，保护了客户端的隐私，且通过剔除部分最大明文距离和最小明文距离对应的加密本地模型参数的方法筛选遭到攻击的联邦客户端，提高了联邦学习抵御中毒攻击的鲁棒性。