【技术实现步骤摘要】
本专利技术涉及数据安全挖掘，具体涉及一种基于多安全策略的联邦多模态数据挖掘方法及系统。
技术介绍
1、边缘计算已成为多模态数据挖掘的重要技术工具。一些现有的研究表明，多模态数据的完整性和可用性为各行业数据挖掘提供数据支持。然而，一些研究也揭示了边缘计算的困难和问题。例如，模型的鲁棒性一直是边缘计算中需要解决的关键难题。在边缘计算过程中，存在诸如数据盗窃、非法访问、篡改、边缘节点缺乏透明度以及其他隐私披露等风险。
2、为了应对各种安全风险，适合边缘计算的基于匿名认证、差异隐私、加密、访问控制、身份认证等安全解决方案被提出。虽然这些隐私保护方法具有特定的边缘计算隐私保护优势，但在实际应用中仍然构成安全威胁。例如，分布式匿名方法通常在虚拟位置建立匿名区域，以保护边缘节点的数据。这些方法容易受到攻击者结合患者背景知识的隐私攻击，导致隐私披露。
3、在集成微分隐私保护理论的边缘计算研究中，微分隐私保护方法为分布式机器学习提供了一个通用的隐私保护框架。这些噪声干扰主要增加了机器学习的随机梯度下降过程。然而，研究中的目标函数主...
【技术保护点】
1.一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，步骤S2中多重身份验证机制设计如下：
3.根据权利要求2所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，对参与联邦计算的边缘节点进行可信验证；其中，判断通过可信验证的边缘节点数量是否超过当前网络最大承载量；
4.根据权利要求1所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，所述基于多头注意机制的广义多模态数据特征融合模型包括特征提取、基于自注意机制的多...
【技术特征摘要】
1.一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，步骤s2中多重身份验证机制设计如下：
3.根据权利要求2所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，对参与联邦计算的边缘节点进行可信验证；其中，判断通过可信验证的边缘节点数量是否超过当前网络最大承载量；
4.根据权利要求1所述的一种基于多安全策略的联邦多模态数据挖掘方法，其特征在于，所述基于多头注意机制的广义多模态数据特征融合模型包括特征提取、基于自注意机制的多模态特征融合和多模态数据分类。
5.根据权利要求4所述的一种基于多安全策略的联邦多模态数据挖掘方法，其...
【专利技术属性】
技术研发人员：吴响，胡殿雷，鹿川川，张永婷，王丽丽，
申请(专利权)人：徐州医科大学，
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。