一种基于改进扩散模型的联邦学习隐私保护方法技术

本发明专利技术涉及了用户的个人隐私信息保护，并且公开了一种基于改进扩散模型的联邦学习隐私保护方法，实现了对客户端本地模型的数据保护，包括以下步骤：步骤一：各个客户端接收中心服务器端分发的数据；步骤二：数据在N个客户端经过全部T次更新迭代，得到更新后的模型；步骤三：将客户端更新所得模型采用改进的Diffusion Model的深度神经网络进行加密编码，得到正向加密模型步骤四：将加密后的模型上传至中心服务器，并在中心服务器端对加密模型进行采样解码，对模型进行聚合更新，得到新一轮的全局模型，并将模型下发至客户端，进行下一轮联邦学习的模型的更新迭代。本发明专利技术主要应用于联邦学习通讯隐私保护的场合,同时也极大提高了联邦学习通讯效率。

【技术实现步骤摘要】

本专利技术涉及了用户的个人隐私信息保护，特别涉及目前联邦学习中的通讯隐私保护，采用最新的改进扩散模型的深度神经网络算法，提高了联邦学习的客户端隐私的保护程度，也极大提高了通讯效率。

技术介绍

1、随着当前的物联网设备日益增加，越来越多的分布式数据开始出现，并且深度学习在智能设备中取得了成功的应用，移动设备中数据的传输以及接收也日益密切，许多运营商也开始关注用户移动设备终端的深度学习框架，今年来也出现了许多移动终端的框架，比如：tensorflow lite，pytorch mobile，caffe2，ncnn，mnn等。

2、在分布式数据系统中，数据通常会被分割成多个小块，每个小块会分别存储在不同的节点上。这些节点之间会通过网络互相通信，以协调数据的读取、写入、备份、恢复等操作。同时，分布式数据系统通常也提供了多种数据一致性和容错机制，以保证数据的正确性和可靠性。分布式数据可以应用于各种领域，如互联网搜索引擎、大规模数据分析、分布式存储系统、区块链等。它可以帮助企业和组织更好地管理和处理数据，提高数据处理的效率和质量，同时也可以降低数据存储和维本文档来自技高网...

【技术保护点】

1.一种基于改进扩散模型的联邦学习隐私保护方法，其特征在于，包括以下步骤：为了实现上述联邦学习的高效通讯与隐私保护，本专利技术包括了以下步骤：

2.根据权利要求1中所述的一种基于改进扩散模型的联邦学习隐私保护方法，在本专利技术的IDMN算法中，步骤一：各个客户端接收中心服务器端分发的数据；

【技术特征摘要】

1.一种基于改进扩散模型的联邦学习隐私保护方法，其特征在于，包括以下步骤：为了实现上述联邦学习的高效通讯与隐私保护，本发明包括了以下步骤：

<...

【专利技术属性】
技术研发人员：任诚，雷靖鹏，王宇，李亚鑫，杨耀钧，袁方智，张江平，高劲松，苟豪锐，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：