【技术实现步骤摘要】
本专利技术属于数据安全，具体涉及一种基于联邦学习的数据隐私保护系统。
技术介绍
1、随着大数据时代的到来，数据已经成为企业、机构的重要资产。然而，数据的收集、存储和使用过程中往往涉及到个人隐私等问题。如何保证数据隐私成为当前亟待解决的问题，为了解决这个问题，提出了联邦学习。
2、联邦学习是一种解决数据隐私和安全性问题的方法，联邦学习通过将机器学习任务分布到多个参与者或节点上，每个节点只处理自己的数据，并与其他节点进行有限的交互，从而保护了数据的隐私和安全性，并且可以在不共享原始数据的情况下进行模型训练。然而，由于模型训练需要上传模型参数到中央服务器进行聚合，因此如果存在恶意客户端或攻击者，他们可能会试图从模型参数中反推出用户数据。
3、例如，攻击者可以通过分析模型参数中的梯度信息来推断用户数据，在联邦学习中，每个客户端都会计算模型在本地数据上的梯度，并将梯度上传至中央服务器进行聚合，如果攻击者能够获取到这些梯度信息，他们就可以通过一些机器学习算法来反向推断出用户数据，造成数据泄露。
技<本文档来自技高网...
【技术保护点】
1.一种基于联邦学习的数据隐私保护系统，其特征在于，所述系统包括区域划分模块、身份划分模块、周期训练模块和循环模块:
2.根据权利要求1所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述系统还包括连接模块：所述连接模块，用于通过客户端ID将所有客户端连接到区块链中。
3.根据权利要求1所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述周期训练模块包括训练者模块、奖励生成模块和加密上传模块：
4.根据权利要求3所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述周期训练模块包括解密模块、本地训练模块和奖励判断模块
5....
【技术特征摘要】
1.一种基于联邦学习的数据隐私保护系统，其特征在于，所述系统包括区域划分模块、身份划分模块、周期训练模块和循环模块:
2.根据权利要求1所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述系统还包括连接模块：所述连接模块，用于通过客户端id将所有客户端连接到区块链中。
3.根据权利要求1所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述周期训练模块包括训练者模块、奖励生成模块和加密上传模块：
4.根据权利要求3所述的一种基于联邦学习的数据隐私保护系统，其特征在于，所述周期训练模块包括解密模块、本地训练模块和奖励判断模块：
【专利技术属性】
技术研发人员：崔鸿飞，程超，张兆庆，杨晓光，吴琼，郭旭，周敏锋，
申请(专利权)人：合肥市征信有限公司，
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。