【技术实现步骤摘要】
本专利技术涉及人工智能，特别是一种基于国密算法和联邦学习的新闻推荐方法及系统。
技术介绍
1、随着互联网信息的爆炸式增长，用户每天面对着海量新闻而难以筛选出自己真正感兴趣的新闻。为了解决这个问题，很多新闻推荐的方法根据用户的个性化兴趣来显示新闻，这些方法通常由用户模型和新闻模型两个核心模块组成，其中用户模型用于从用户历史点击行为中学习用户表征，新闻模型用于收集用户点击信息作为训练模型的参数，为用户提供个性化新闻显示。但是新闻模型中采用集中式数据训练模型的行为是高度隐私敏感的，此类私人数据的收集和分析导致了隐私泄漏的风险。此外，数据保护法规也给新闻平台使用用户数据提出了防止用户数据泄露的限制和要求。
2、2016年，联邦学习由谷歌的研究科学家联合提出。联邦学习通过将模型训练过程移动到本地设备上，解决了传统中心化机器学习方法中的数据隐私和数据集中化问题。联邦学习注重隐私保护的特性十分符合新闻个性化推荐的需求，因此十分适用于新闻推荐算法
3、然而，在联邦学习中，存在着模型投毒攻击的风险，这是一种攻击者通过破坏...
【技术保护点】
1.一种基于国密算法和联邦学习的新闻推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤1所述的服务器分发全局用户模型和全局新闻模型精简后的全局新闻表征给各个客户端，具体如下：
3.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤2所述的客户端接收到全局用户模型和全局新闻表征后，根据本地数据训练本地用户模型和本地新闻模型，得到用户模型梯度和新闻模型梯度，具体如下：
4.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤3...
【技术特征摘要】
1.一种基于国密算法和联邦学习的新闻推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤1所述的服务器分发全局用户模型和全局新闻模型精简后的全局新闻表征给各个客户端，具体如下：
3.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤2所述的客户端接收到全局用户模型和全局新闻表征后，根据本地数据训练本地用户模型和本地新闻模型，得到用户模型梯度和新闻模型梯度，具体如下：
4.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特征在于，步骤3所述的客户端将本地训练完成得到的用户模型梯度和新闻模型梯度使用sm9算法进行数字签名，并使用sm2算法进行加密，各客户端将签名与密文打包上传至服务器，具体如下：
5.根据权利要求1所述的基于国密算法和联邦学习的新闻推荐方法，其特...
【专利技术属性】
技术研发人员：黄婵颖，姚济昌，胡皓阳，颜克冬，
申请(专利权)人：南京理工大学，
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。