-
公开(公告)号:CN118153101A
公开(公告)日:2024-06-07
申请号:CN202410286004.4
申请日:2024-03-13
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于自适应拜占庭防御的安全联邦学习方法,涉及联邦学习领域。当前联邦学习系统存在着无法自适应抵御拜占庭攻击,且模型准确度低的问题。因此,为了解决以上问题,本发明提出一种基于自适应拜占庭防御的安全联邦学习方法。本发明通过激励关联的自适应初步聚合和基于指数加权平均的全局聚合,在为局部模型和全局模型均提供差分隐私扰动实现全面隐私保护的前提下最小程度地扰动全局模型,实现根据不同恶意模型的得分进行处理以自适应地抵御拜占庭攻击,调动参与者的积极性,并达到较高的模型准确度。