抗投毒攻击的聚合防御方法、聚合装置及电子设备制造方法及图纸

本发明专利技术提供了一种抗投毒攻击的聚合防御方法、聚合装置及电子设备，所述方法主要包括以下步骤：客户端下载全局模型，对本地数据进行训练；客户端利用top

【技术实现步骤摘要】
抗投毒攻击的聚合防御方法、聚合装置及电子设备


[0001]本专利技术涉及一种抗投毒攻击的聚合防御方法、聚合装置及电子设备，属于机器学习


技术介绍

[0002]传统联合建模存在着至少一方数据出库、保密协议约束力较弱、泄露方式低成本、解决方案同质化且难突破等诸多问题。那么个人数据或者企业数据在被外部授权使用时，亟需一种安全、可靠、可解释的技术保障体制，安全合规地发挥出数据的最大价值。
[0003]联邦学习(Federated Learning)作为一种可以使数据不出本地就被多方利用的分布式机器学习框架，为解决数据孤岛和隐私保护问题提供了全新的解决思路，在医疗、金融、物联网等各个领域均具有广泛的应用前景。
[0004]目前针对联邦学习投毒攻击的防御，较为理想的方式仍是从聚合防御方法入，但当前聚合防御方法仍存在准确性不高、鲁棒性较差、防御有局限和隐私易泄露等问题。
[0005]有鉴于此，确有必要提出一种抗投毒攻击的聚合防御方法、聚合装置及电子设备，以解决上述问题。

技术实现思路

[0006]本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗投毒攻击的聚合防御方法，其特征在于，主要包括以下步骤：S101、客户端下载全局模型，对本地数据进行训练；S102、客户端利用top
‑
k算法对于模型参数进行压缩并上传模型参数，服务器接收客户端上传的模型参数；S103、对于模型参数利用主成分分析进行数据降维，提取核心参数，服务器使用聚合算法对客户端性质进行判定；S104、服务器对判定为恶意客户端所上传的模型参数进行剪枝，在本轮模型参数更新中忽略所剪枝的模型参数；S105、服务器聚合梯度更新全局模型，并将更新后的全局模型返回客户端；S106、客户端利用更新后的全局模型对本地模型进行更新。2.根据权利要求1所述的抗投毒攻击的聚合防御方法，其特征在于：在步骤S101中，所述全局模型的参数为θ0，客户端总数为N，恶意客户端数量为M，并且N>2*M。3.根据权利要求2所述的抗投毒攻击的聚合防御方法，其特征在于：在步骤S102中，在训练轮r中，根据可用性选择一个由k个客户端组成的子集，其中k≤N，子集中每个参与者P
i
∈P
r
利用本地数据集D
i
执行训练算法，以获得更新的参数θ
r，i
，利用top
‑
k算法对于模型参数进行压缩并发送到服务器。4.根据权利要求3所述的抗投毒攻击的聚合防御方法，其特征在于：在步骤S103中，对于压缩处理后的模型参数更新，服务器接收k个客户端所上传的参数θ
r，i
，服务器接收到k个n维样本，即X＝{X1,X2，...，X
k
}，其中X
j
表明服务器接收到的k个客户端中第j个客户端所上传的模型参数。5.根据权利要求4所述的抗投毒攻击的聚合防御方法，其特征在于，在步骤S103中，所述聚合算法具体包括：S1、求出这一轮模型参数更新中k个客户端上传的模型参数的平均值S2、对于模型参数利用主成分分析进行数据降维，提取核心参数，计算每个客户端的降维后的模型参数X
j
与平均值之间的马氏距离D
j
得到D＝{D1,D2，...，D
k
}；S3、将D＝{D1,D2，...，D
k
}进行排序得到d＝{d1,d2，...，d
k
}；S4、根据马氏距离基本性质，d
...

【专利技术属性】
技术研发人员：高胜，胡乘源，朱建明，
申请(专利权)人：中央财经大学，
类型：发明
国别省市：