一种抵御联邦学习标签翻转攻击的方法
本发明涉及联邦学习技术领域,提出一种抵御联邦学习标签翻转攻击的方法,包括以下步骤:服务端训练生成网络,该网络基于服务端本地的全局模型学习标签到潜在特征空间的映射关系;客户端基于全局模型和生成网络检测其数据质量;服务端根据客户端的数据质量,将客户端分为良性客户端集合和恶意客户端集合,并取消每个恶意客户端参与本轮训练的资格;良性客户端构建个性化模型,并以生成网络产生的潜在特征作为归纳偏置对本地训练进行调节;每个良性客户端完成本地训练后,分别将模型参数发送给服务端进行聚合,用于对服务端本地的全局模型进行更新;得到最终的全局模型,基于最终的全局模型抵御标签翻转攻击。
《一种抵御联邦学习标签翻转攻击的方法》是一发明专利,专利号为 2022104860957,当前法律状态为已下证,由广东工业大学提出申请,发明人为张伟文;江奕锋,申请日期为2022-05-06,公开(公告)日期为2025-08-26,国际专利分类号(IPC)为 G06F 21/56 (2013.01),高新资质:未报高企,所属技术领域包括:AI人工智能数据处理网络安全模型训练云计算服务器算法软件。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及联邦学习技术领域,提出一种抵御联邦学习标签翻转攻击的方法,包括以下步骤:服务端训练生成网络,该网络基于服务端本地的全局模型学习标签到潜在特征空间的映射关系;客户端基于全局模型和生成网络检测其数据质量;服务端根据客户端的数据质量,将客户端分为良性客户端集合和恶意客户端集合,并取消每个恶意客户端参与本轮训练的资格;良性客户端构建个性化模型,并以生成网络产生的潜在特征作为归纳偏置对本地训练进行调节;每个良性客户端完成本地训练后,分别将模型参数发送给服务端进行聚合,用于对服务端本地的全局模型进行更新;得到最终的全局模型,基于最终的全局模型抵御标签翻转攻击。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
