System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及联邦建模和深度学习,特别涉及基于节点行为分析的联邦建模方法、装置、设备及介质。
技术介绍
1、在当今数字时代,随着数据的广泛应用,也伴随着一系列重大挑战,包括数据隐私、模型安全性和数据合规性等问题。特别是在涉及多方数据合作的情境下,数据隐私和安全性愈发成为焦点。在这一背景下,联邦学习作为一种新兴的协作机器学习方法备受关注。联邦学习允许多个数据拥有者或节点在不共享原始数据的情况下共同建立机器学习模型,为保护数据隐私和安全性提供了有力支持。
2、然而,在实际应用中,随着网络攻击不断演进,联邦建模过程中无法保证参与节点的可信性。恶意节点可能试图通过上传虚假数据、干扰模型更新或其他恶意行为来破坏整个联邦学习过程。尤其当恶意节点形成大规模僵尸网络时,联邦学习的安全性和可靠性会受到极大威胁。因此,如何有效结合联邦建模场景实际需求,实现在非信任环境中的安全联邦建模成为亟需解决的问题。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供基于节点行为分析的联邦建模方法、装置、设备及介质,能够有效实现恶意节点的主动识别与处理,保障了联邦建模的安全性和可靠性,并有效提高了联邦建模的训练速度。其具体方案如下:
2、第一方面,本申请提供了一种基于节点行为分析的安全联邦建模方法,包括:
3、根据预设联邦建模任务初始化规则执行任务初始化,以得到相应的当前全局模型、当前恶意节点识别模型、目标参与节点以及与各所述目标参与节点对应的目标基础模型;
4、通
5、通过所述目标聚合节点基于本地的当前恶意节点识别模型以及接收到的各所述本地聚合梯度进行恶意节点识别,以利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发,直至满足预设任务终止条件。
6、可选的,所述根据预设联邦建模任务初始化规则执行任务初始化,包括:
7、从预设任务发起方获取相应的任务描述信息以及任务要求,以得到相应的联邦建模任务信息;
8、基于预设任务发布平台或预设任务发布渠道将所述联邦建模任务信息发布至各待确认参与节点;
9、在通过各所述待确认参与节点接收到所述联邦建模任务信息之后,基于对应的节点信息确定是否参与任务,以确定相应的目标参与节点;
10、从所述预设任务发起方获取相应的初始基础模型架构;
11、通过各所述目标参与节点以及对应的本地数据集信息、本地模型信息,并基于所述初始基础模型架构进行模型设计,以得到相应的基础模型以及扩张模型;
12、通过各所述目标参与节点基于本地数据对所述基础模型进行模型训练,以得到与各所述目标参与节点对应的目标基础模型;
13、基于所述扩张模型的网络架构以及目标历史恶意节点行为数据进行训练,以得到相应的当前恶意节点识别模型;
14、通过初始化所述扩张模型得到相应的当前全局模型,并将所述全局模型以及对应的超参数信息发送至各所述目标参与节点。
15、可选的,所述通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型进行训练,并在本轮联邦建模训练完成后将得到的对应的本地聚合梯度上传至目标聚合节点,包括:
16、通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型以及对应的目标训练数据执行相应的本地梯度聚合操作,以完成相应的训练;
17、在本轮联邦建模训练完成之后,通过各所述目标参与节点将得到的对应的本地聚合梯度上传至目标聚合节点。
18、可选的,所述利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发,包括:
19、若识别结果表明当前存在相应的目标恶意节点,则通过计算所述目标恶意节点的已有贡献梯度进行反向梯度计算,以得到的反向梯度信息;
20、基于所述反向梯度信息以及各所述本地聚合梯度得到相应的当前聚合策略;
21、通过利用当前聚合策略进行参数聚合,以对当前全局模型的参数进行更新,得到新的当前全局模型;
22、将所述新的当前全局模型分发至各所述目标参与节点,以便各所述目标参与节点基于所述新的当前全局模型进行模型更新以及下轮联邦建模训练。
23、可选的,还包括:
24、在将当前全局模型下发至各所述目标参与节点的过程中,针对所述目标恶意节点,定向发送当前恶意节点识别模型,以基于当前恶意节点识别模型进行数据收集。
25、可选的,还包括:
26、当满足预设任务终止条件时,确定目标全局模型,以便通过各所述目标参与节点基于所述目标全局模型与自身的本地模型进行融合。
27、可选的,还包括:
28、在执行当前的联邦建模任务的过程中,通过收集反馈数据执行相应的目标参与节点新增操作,以实现模型优化。
29、第二方面,本申请提供了一种基于节点行为分析的安全联邦建模装置,包括:
30、任务初始化模块,用于通过根据预设联邦建模任务初始化规则执行任务初始化,以得到相应的当前全局模型、当前恶意节点识别模型、目标参与节点以及与各所述目标参与节点对应的目标基础模型;
31、第一任务执行模块,用于通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型进行训练,并在本轮联邦建模训练完成后将得到的对应的本地聚合梯度上传至目标聚合节点;
32、第二任务执行模块,用于通过所述目标聚合节点基于本地的当前恶意节点识别模型以及接收到的各所述本地聚合梯度进行恶意节点识别,以利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发,直至满足预设任务终止条件。
33、第三方面,本申请提供了一种电子设备,包括:
34、存储器,用于保存计算机程序;
35、处理器,用于执行所述计算机程序,以实现前述的基于节点行为分析的安全联邦建模方法的步骤。
36、第四方面,本申请提供了一种计算机可读存储介质,用于保存计算机程序,所述计算机程序被处理器执行时实现前述的基于节点行为分析的安全联邦建模方法的步骤。
37、可见,本申请中,根据预设联邦建模任务初始化规则执行任务初始化,以得到相应的当前全局模型、当前恶意节点识别模型、目标参与节点以及与各所述目标参与节点对应的目标基础模型;通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型进行训练,并在本轮联邦建模训练完成后将得到的对应的本地聚合梯度上传至目标聚合节点;通过所述目标聚合节点基于本地的当前恶意节点识别模型以及接收到的各所述本地聚合梯度进行恶意节点识别,以利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发,直至满足预设任务终止条件。也就是说,本申请中,先进行任务初始化,之后通过初始化得到的各目标参与节点基于本地的目标基本文档来自技高网...
【技术保护点】
1.一种基于节点行为分析的安全联邦建模方法,其特征在于,包括:
2.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述根据预设联邦建模任务初始化规则执行任务初始化,包括:
3.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型进行训练,并在本轮联邦建模训练完成后将得到的对应的本地聚合梯度上传至目标聚合节点,包括:
4.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发,包括:
5.根据权利要求4所述的基于节点行为分析的安全联邦建模方法,其特征在于,还包括:
6.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,还包括:
7.根据权利要求1至6任一项所述的基于节点行为分析的安全联邦建模方法,其特征在于,还包括:
8.一种基于节点行为分析的安全联邦建模装置,其特征在于,包括:
9.一
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于节点行为分析的安全联邦建模方法。
...【技术特征摘要】
1.一种基于节点行为分析的安全联邦建模方法,其特征在于,包括:
2.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述根据预设联邦建模任务初始化规则执行任务初始化,包括:
3.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述通过各所述目标参与节点基于本地的所述目标基础模型、当前全局模型进行训练,并在本轮联邦建模训练完成后将得到的对应的本地聚合梯度上传至目标聚合节点,包括:
4.根据权利要求1所述的基于节点行为分析的安全联邦建模方法,其特征在于,所述利用基于识别结果得到的当前聚合策略对当前全局模型进行更新以及分发...
【专利技术属性】
技术研发人员:孙善宝,罗清彩,张鑫,贾荫鹏,孙宗臣,
申请(专利权)人:山东浪潮科学研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。