【技术实现步骤摘要】
本专利技术属于云网融合领域，具体涉及mcu联邦学习框架的安全性增强方法、系统、设备和介质。
技术介绍
1、随着云计算的快速发展以及5g建设的全面启动，云网融合已经成为云计算领域的发展趋势。云网融合是指将云计算和网络技术相结合，实现云计算与网络的深度融合，从而提高网络的智能化和自动化，实现更高效、更稳定的网络服务。联邦学习作为一种新兴的人工智能技术，可以作为人工智能协作网络的基础，保障模型训练的安全性。云网融合场景下搭建面向多点控制单元(multipoint control unit，mcu)的联邦学习框架，可以实现视频会议资源的动态管理，提高网络的灵活性和可扩展性，同时运用联邦学习提供严格的数据安全保障，例如采用加密存储、身份验证等方式，保护网络参与者的隐私和数据安全。但是，从实际情况考虑，面向云网融合的mcu联邦学习框架仍然存在一些安全风险，恶意攻击者可能会使用后门攻击在保证主任务准确率的同时误导模型也保障了后门任务的精度，而现有的多数研究仅关注对数据隐私的保护，忽略了模型安全性问题。
技术实现思路
1、本本文档来自技高网...
【技术保护点】
1.MCU联邦学习框架的安全性增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的MCU联邦学习框架的安全性增强方法，其特征在于，构建面向云网融合MCU联邦学习框架，获取面向云网融合MCU联邦学习框架内本地模型的权重参数的步骤，具体包括：
3.根据权利要求2所述的MCU联邦学习框架的安全性增强方法，其特征在于，根据面向云网融合MCU联邦学习框架内本地模型的权重参数，完成MCU每一轮的学习，得到MCU每一轮的学习信息的步骤，具体包括：
4.根据权利要求2所述的MCU联邦学习框架的安全性增强方法，其特征在于，主任务为：MCU通...
【技术特征摘要】
1.mcu联邦学习框架的安全性增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的mcu联邦学习框架的安全性增强方法，其特征在于，构建面向云网融合mcu联邦学习框架，获取面向云网融合mcu联邦学习框架内本地模型的权重参数的步骤，具体包括：
3.根据权利要求2所述的mcu联邦学习框架的安全性增强方法，其特征在于，根据面向云网融合mcu联邦学习框架内本地模型的权重参数，完成mcu每一轮的学习，得到mcu每一轮的学习信息的步骤，具体包括：
4.根据权利要求2所述的mcu联邦学习框架的安全性增强方法，其特征在于，主任务为：mcu通过本地数据集训练本地训练模型，获取资源分配预测。
5.根据权利要求2所述的mcu联邦学习框架的安全性增强方法，其特征在于，后门任务为：当mcu在主任务的分配权重确定时，修改本地数据集的单个特征，获得修改后的本地数据集；将修改后的本地数据集作为后门嵌入本地训练模型中。
6.根据权利要求4所述的mcu联邦学习框架的安全性增强方法，其特征在于，结合预设学习阈值θ，获取主任务和后门任务中每个参数的学习率的步骤，具体包括：
【专利技术属性】
技术研发人员：肖云杰，李楠，冯晨，陈大卫，魏正荣，张家慧，罗威，殷炜俊，王宝海，蒋政，蔡万升，姜元建，高亮，王斌，顾辉，刘龙，
申请(专利权)人：国网上海市电力公司，
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。