一种针对联邦学习的中毒攻击的防御方法、装置及存储介质

本发明提供一种针对联邦学习的中毒攻击的防御方法、装置及存储介质，所述方法的步骤包括，获取本地模型在本地训练过程中的损失函数值和在每次迭代中每个参数排位处的参数数值更新量；基于参数数值更新量和损失函数值计算每个参数排位对于模型损失变化的变化贡献值；在每个本地模型的参数排位中筛选出第一预设个数个变化贡献值较大参数排位，建立每个本地模型的第一参数排位集；基于参数排位在第一参数排位集中的出现频次，筛选出频次较高的第二预设个数个参数排位，建立为第二参数排位集；基于第二参数排位集定位每个本地模型中的模型参数，基于模型参数计算本地模型之间的正则化亲密度，基于正则化亲密度计算中毒概率参数。

《一种针对联邦学习的中毒攻击的防御方法、装置及存储介质》是一发明专利，专利号为 2022101710055，当前法律状态为已下证，由苏州网智通科技有限公司提出申请，发明人为张勇;张曌，申请日期为2022-02-23，公开（公告）日期为2026-03-27，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：联邦学习网络安全算法分布式机器学习ai人工智能联邦学习中毒攻击防御无监督在线中毒模型判别网络入侵检测分布式神经网络训练计算机存储介质联邦学习防御。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：本发明提供一种针对联邦学习的中毒攻击的防御方法、装置及存储介质，所述方法的步骤包括，获取本地模型在本地训练过程中的损失函数值和在每次迭代中每个参数排位处的参数数值更新量；基于参数数值更新量和损失函数值计算每个参数排位对于模型损失变化的变化贡献值；在每个本地模型的参数排位中筛选出第一预设个数个变化贡献值较大参数排位，建立每个本地模型的第一参数排位集；基于参数排位在第一参数排位集中的出现频次，筛选出频次较高的第二预设个数个参数排位，建立为第二参数排位集；基于第二参数排位集定位每个本地模型中的模型参数，基于模型参数计算本地模型之间的正则化亲密度，基于正则化亲密度计算中毒概率参数。

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！